我懂你遇到的麻烦了——fviz_silhouette默认会把聚类的原始编号（1、2、3）作为图例显示，而你直接加scale_fill_discrete(labels=c("a","b","c"))只是额外添了一组自定义标签，自然就出现了重复。下面给你两种实用的解决办法：

方法1：提前替换聚类标签 #

在生成silhouette对象前，先把聚类结果的编号替换成你想要的自定义标签，这样后续可视化时就会直接用新标签，不会有重复：

library(factoextra)
library(cluster)
set.seed(123)
data("iris")
iris.scaled <- scale(iris[, -5])

# K-means聚类
km.res <- kmeans(iris.scaled, 3, nstart = 2)

# 将聚类编号转为因子并替换自定义标签
cluster_labels <- factor(km.res$cluster, levels = c(1,2,3), labels = c("a","b","c"))

# 用替换后的标签生成silhouette对象
sil <- silhouette(cluster_labels, dist(iris.scaled))

# 可视化，此时图例直接显示自定义标签
fviz_silhouette(sil)

方法2：在可视化时精准覆盖图例 #

如果不想改动原始聚类结果，可以在scale_fill_discrete里指定breaks参数对应原始聚类编号，同时设置labels为自定义标签，这样就能覆盖默认图例，而非新增：

library(factoextra)
library(cluster)
set.seed(123)
data("iris")
iris.scaled <- scale(iris[, -5])

# K-means聚类
km.res <- kmeans(iris.scaled, 3, nstart = 2)

# 生成silhouette对象
sil <- silhouette(km.res$cluster, dist(iris.scaled))

# 指定breaks匹配原始聚类编号，用labels替换为自定义标签
fviz_silhouette(sil) + 
  scale_fill_discrete(breaks = c(1,2,3), labels = c("a","b","c"))

两种方法都能解决重复问题，你可以按需选择：第一种从源头修改了聚类标签，更彻底；第二种则是在可视化层面对图例做覆盖调整。

内容的提问来源于stack exchange，提问作者Fabrizio