使用GGally绘制parcoordplot，如何按标签占比设置线条颜色而非最后行？

这问题我之前也碰到过，GGally的ggparcoord确实会按数据行的顺序覆盖颜色，最后出现的标签会生效。要实现按占比最高的标签来着色，核心思路是先预处理数据，给每组完全相同的特征行分配占比最高的标签，然后再用处理后的数据绘图。

具体步骤如下：

1. 构造示例数据（和你的案例一致） #

dataset <- data.frame(V1 = c(1,1,1), V2 = c(1,1,1), V3 = c(1,1,0))

2. 预处理数据：给每组特征分配占比最高的标签 #

这里用dplyr来做分组统计，逻辑很清晰：

• 按所有特征列（这里是V1、V2）分组
• 统计每个标签的出现次数
• 为每组选出出现次数最多的标签（如果有平局，可以自定义规则）

代码如下：

library(dplyr)

processed_data <- dataset %>%
  # 按特征列分组，确保相同特征的行被归为一组
  group_by(V1, V2) %>%
  # 统计每个标签的出现频数
  count(V3, name = "freq") %>%
  # 选出频数最高的标签；with_ties=FALSE表示如果有多个标签频数相同，只取第一个（可根据需求调整）
  slice_max(freq, n = 1, with_ties = FALSE) %>%
  ungroup() %>%
  # 去掉频数列，只保留特征和最终标签
  select(-freq) %>%
  # 和去重后的特征行做连接，确保每个唯一特征组都有对应的标签
  right_join(dataset %>% distinct(V1, V2), by = c("V1", "V2"))

如果遇到标签频数相同的情况（比如两组各出现1次），可以调整规则，比如优先选择数值更大的标签：

processed_data <- dataset %>%
  group_by(V1, V2) %>%
  count(V3, name = "freq") %>%
  # 先按频数降序，再按标签值降序，确保频数相同时选更大的标签
  arrange(desc(freq), desc(V3)) %>%
  # 取每组的第一行
  slice(1) %>%
  ungroup() %>%
  select(-freq) %>%
  right_join(dataset %>% distinct(V1, V2), by = c("V1", "V2"))

3. 用处理后的数据绘制平行坐标图 #

现在直接用processed_data绘图，就能得到按占比最高标签着色的结果了：

library(GGally)

ggparcoord(processed_data, columns = 1:2, groupColumn = 'V3', scale = 'globalminmax')

这样不管原始数据行的顺序如何，相同特征的行都会统一使用占比最高的标签颜色啦。

内容的提问来源于stack exchange，提问作者costa_10