如何在R Shiny中基于另外两列创建自动递增列？

你需要实现的是按Code分组，对每个组内的不同Date值分配递增编号，相同Date对应同一编号。以下是几种可行的替代方案：

示例需求 #

期望生成的列结构如下：

Code  Date  Campagne  
A1  05/07  1  
A1  05/07  1  
A1  06/07  2  
A1  08/07  3  
A1  08/07  3  
B1  06/08  1  
B1  06/08  1  
B1  08/08  2  
B1  09/08  3  
B1  10/08  4

替代方案 #

1. 修正原dplyr代码（添加ungroup） #

你的原代码在R环境中正常，但Shiny中可能因分组后的tibble类型引发问题，添加ungroup()即可解决：

inFile <- input$importData
data <- read.csv(inFile$datapath, header=T, sep=';', colClasses = c(Code = "character", Code2 = "character"))
data <- data %>%
  group_by(Code) %>% 
  mutate(Campagne = match(Date, unique(Date))) %>%
  ungroup()  # 添加这一行

2. 使用dplyr的dense_rank函数 #

更简洁的方式是用dense_rank()直接对分组内的Date生成连续递增排名：

data <- data %>%
  group_by(Code) %>%
  mutate(Campagne = dense_rank(Date)) %>%
  ungroup()

3. 使用factor转换（dplyr） #

通过将Date转换为因子再转为整数，能保证编号顺序和Date首次出现的顺序一致，完全匹配示例逻辑：

data <- data %>%
  group_by(Code) %>%
  mutate(Campagne = as.integer(factor(Date, levels = unique(Date)))) %>%
  ungroup()

4. 使用data.table包（高效稳定） #

data.table的分组操作在Shiny中通常更稳定，性能也更优：

library(data.table)
inFile <- input$importData
data <- fread(inFile$datapath, header=T, sep=';', colClasses = list(character=c("Code", "Code2")))
data[, Campagne := match(Date, unique(Date)), by = Code]

5. Base R方法（无需额外包） #

用ave函数实现分组计算，不依赖任何第三方包：

inFile <- input$importData
data <- read.csv(inFile$datapath, header=T, sep=';', colClasses = c(Code = "character", Code2 = "character"))
data$Campagne <- ave(as.character(data$Date), data$Code, FUN = function(x) match(x, unique(x)))

内容的提问来源于stack exchange，提问作者Julien