R语言中基于嵌套循环的时间序列成对相异性计算方案咨询

数据结构 #

你拥有的数据框结构如下，行对应站点与年份，列对应物种丰度：

注：不同站点的调查年份不统一。

需求概述 #

需要针对每个站点的时间序列，完成两类成对Beta多样性计算（基于betapart包）：

1. 锚定第一年：每个站点的第一年与后续所有年份逐一对比（如年份1 vs 年份2、年份1 vs 年份3...）
2. 连续年份对比：每个站点内相邻年份两两对比（如年份1 vs 年份2、年份2 vs 年份3...）

原代码的问题 #

你的初始代码存在几个核心错误：

• 循环索引逻辑错误：for(i in 1:unique(df$Site)) 无法正确遍历站点，unique(df$Site)是字符/因子向量，不能直接作为数值索引
• 内层循环参数错误：nrow(df$Year)无效，df$Year是向量，没有行属性
• beta.pair.abund使用错误：该函数需要传入纯物种丰度矩阵，且未针对每个站点的子集数据处理
• 结果存储索引混乱：无法正确匹配站点、年份与计算结果

优化实现方案 #

前置准备 #

先加载依赖包，并将年份转换为可排序的数值类型（如果原年份是带前缀的字符型）：

library(betapart)
library(dplyr)
library(tidyr)

# 转换年份为数值（示例：处理"年份1"这类字符型年份）
df <- df %>%
  mutate(Year_num = as.numeric(sub("年份", "", Year))) %>%
  arrange(Site, Year_num) # 按站点+年份排序，确保时间序列顺序正确

场景1：锚定第一年的对比计算 #

对每个站点，提取第一年的物种数据，与后续每一年的丰度计算Beta多样性：

beta_anchor <- df %>%
  group_by(Site) %>%
  mutate(
    # 存储当前站点第一年的物种丰度数据
    first_year_spp = list(filter(cur_data(), Year_num == min(Year_num)) %>% select(starts_with("物种")))
  ) %>%
  filter(Year_num > min(Year_num)) %>% # 仅保留后续年份
  rowwise() %>%
  mutate(
    # 计算当前年份与第一年的Beta多样性
    beta_results = list(beta.pair.abund(
      rbind(first_year_spp[[1]], select(cur_data(), starts_with("物种"))),
      index.family = "bray"
    )),
    beta.bray.bal = beta_results[[1]][2, 1],
    beta.bray.gra = beta_results[[2]][2, 1],
    beta.bray = beta_results[[3]][2, 1],
    Compare_Type = paste("锚定第一年:", min(Year_num), "vs", Year_num)
  ) %>%
  ungroup() %>%
  select(Site, Compare_Type, Year, beta.bray.bal, beta.bray.gra, beta.bray)

场景2：连续年份的对比计算 #

对每个站点，按年份顺序，两两相邻年份计算Beta多样性：

beta_consecutive <- df %>%
  group_by(Site) %>%
  mutate(
    # 存储下一年的物种丰度数据
    next_year_spp = list(lead(select(cur_data(), starts_with("物种")))),
    next_year = lead(Year),
    next_year_num = lead(Year_num)
  ) %>%
  filter(!is.na(next_year)) %>% # 剔除无后续年份的最后一行
  rowwise() %>%
  mutate(
    # 计算当前年份与下一年的Beta多样性
    beta_results = list(beta.pair.abund(
      rbind(select(cur_data(), starts_with("物种")), next_year_spp[[1]]),
      index.family = "bray"
    )),
    beta.bray.bal = beta_results[[1]][2, 1],
    beta.bray.gra = beta_results[[2]][2, 1],
    beta.bray = beta_results[[3]][2, 1],
    Compare_Type = paste("连续年份:", Year, "vs", next_year)
  ) %>%
  ungroup() %>%
  select(Site, Compare_Type, Year, next_year, beta.bray.bal, beta.bray.gra, beta.bray)

合并两类结果（可选） #

如果需要将两种场景的结果合并到同一数据框：

beta_all_results <- bind_rows(beta_anchor, beta_consecutive)

关键优化建议 #

• 替换嵌套循环：用dplyr的分组、行处理逻辑替代循环，代码更简洁，针对300站点×30年的数据集效率更高
• 明确物种列范围：用starts_with("物种")或指定列索引提取物种丰度矩阵，避免混入站点、年份等非物种列
• 确保时间序列有序：提前按站点和年份排序，避免连续年份对比时出现顺序错误
• 结果标注清晰：为每个结果行添加对比类型标签，方便后续分析与可视化

内容的提问来源于stack exchange，提问作者JaGo