对于这个或那个，没有所谓的“最佳”情节。如何绘制数据取决于您要传达的信息。常用图的优点是用户更有可能阅读它们。然而，这并不意味着它们一定是最佳选择。

关于热图，我已经通过所谓的反对它们的论据来命令我的回应。

1）如果您不相信颜色作为编码通道，请改用亮度，其范围包括深灰色到浅灰色“颜色”色调。大多数情况下，您希望对连续变量进行分箱（另请参见 5），因此您可以保持较少的颜色数量并使其更容易被用户解码。这不是必须的。看一下这个例子，其中连续变量没有被分箱。

2) 当然，它们不应该用作查找精确值的替代方法。热图应该主要用于说明模式，而不是代替表格。

3,4）我不明白这与热图有何关系。

5) 理想情况下，热图但不一定与离散变量一起使用。对于连续变量，热图可以用作一种二维直方图或条形图，具有适当的分箱，以及亮度作为编码通道。

有人不能说热图是最不有效的可视化类型。我宁愿说这取决于您的要求。在某些情况下，热图非常有用。假设您必须按州（或按城市）报告某个国家/地区的犯罪情况。在这里，您将拥有一个庞大的数据集，该数据集可能具有时间依赖性。

同样，假设您必须准备一份城市用电量报告。在这些情况下，您可以通过热图轻松可视化。它会更有意义，也不会那么麻烦。

因此，简而言之，如果您有大量连续数据，并且想要制作一份可以快速确定答案的报告，那么热图是最好的。

原始问题中的批评 1 涵盖了最大的缺点 - 阅读热图的人很难解码所传达的定量信息。考虑一个 xy 散点图或点图，其中基础数量与图表上的距离直接相关 - 非常易于解释。

另一方面，在热图中，阅读图表的人可以自由地将 10% 的“更红”或“更暗”解释为自己满意。最重要的是人们辨别颜色和阴影的能力不同的问题。这些都是真正的缺点，但它们并不是普遍致命的。

相比之下，第三个批评似乎无意中确定了热图特别有用的场合——当数据聚集在 2D 平面上时，第三维中的相似值显示为特定阴影或颜色的斑块。因此，虽然热图在某些方面无效，但它们对其他方面很有用，它们应该放在你的包里，就像高尔夫球手经常携带劈起杆或类似物一样，尽管它们对驾驶或推杆无用，或者木匠不无视锤子，因为它们不适合切割木材。

一般来说，可视化数据应被视为迭代活动，当您尝试多种可视化以显示数据的重要特征时，这将需要一些时间，包括尝试不止一种可视化，然后尝试在其中找到最佳设置特定的选择。也不应该假设结果将是一个可视化 - 有时需要多个数据可视化来突出数据的多个重要特征。在这种情况下，有时对于特定数据集的特定特征，热图将是最有效的，并且所描述的通信集群可能是其中之一。总体而言，经常会出现单个可视化无法完成所有任务的情况，并且需要不止一个。

正如其他人所提到的，说热图总是无效的确实是不恰当的。实际上，它们在许多情况下都非常有效。

例如，如果你想可视化 4D 数据，在许多绘图软件中做前三个维度就足够简单了。然而，4D 的整个概念很难概念化。“第四”方向/维度是什么？

这就是热图可能有效的地方，因为它允许在坐标轴上绘制前三个维度，第四个维度可以通过将热图堆叠到绘制的平面（或线，但不太可能）上来可视化。

底线是您需要上下文。您在可视化中寻找什么？另外，作为一名自学者，我可以告诉你，这些在线课程往往非常琐碎和无益。最好仅在您寻找特定主题的信息/帮助时使用它们，而不是寻求有关整个主题的教学。

无论如何，祝你好运。