我来帮你搞定这个问题！你需要的是按行保留非NA的4个变量，而非删除整行数据，drop_na()和select()确实不适用这个场景。下面用dplyr结合vegan包给出两种可行的实现方式：

第一步：准备环境与数据 #

首先加载需要的包，并重现你的数据框：

library(dplyr)
library(vegan)

# 还原你的数据框
df <- structure(list(Q = c(NA, 346.86, 166.95, 162.57, NA, NA, NA, 266.7), 
                     L = c(18.93, NA, 15.72, 39.51, NA, NA, NA, NA), 
                     C = c(NA, 23.8, NA, 8.47, 20.89, 18.72, 14.94, NA), 
                     X = c(40.56, NA, 26.05, 3.08, 23.77, 59.37, NA, NA), 
                     W = c(29.47, NA, NA, NA, 36.08, NA, 27.34, 28.19), 
                     S = c(NA, 7.47, NA, NA, 18.64, NA, 25.34, NA), 
                     Y = c(NA, 2.81, 0, NA, NA, 21.18, 10.83, 12.19), 
                     H = c(0, NA, NA, NA, NA, 0, NA, 0)), 
                class = "data.frame", row.names = c(NA, -8L))

方法一：用rowwise()按行处理 #

这是最直观的dplyr风格写法，通过rowwise()告诉dplyr要逐行操作：

result_df <- df %>%
  rowwise() %>%
  # 提取当前行所有列的值，去掉NA后计算多样性
  mutate(diversity_val = diversity(na.omit(c_across(everything())), index = "shannon")) %>%
  ungroup() # 取消按行分组，恢复常规数据框操作

# 查看结果
print(result_df)

• c_across(everything())：获取当前行的所有变量值，拼成一个向量
• na.omit()：过滤掉向量中的NA值，正好剩下4个有效值
• diversity()：传入处理后的向量计算多样性，默认是Shannon指数，可通过index参数改为simpson等其他指数

方法二：用purrr::pmap()映射处理 #

如果你习惯用函数式编程的风格，purrr的映射函数也能高效完成任务：

library(purrr)

result_df <- df %>%
  mutate(diversity_val = pmap_dbl(., ~diversity(na.omit(c(...)), index = "shannon")))

• pmap_dbl()：逐行遍历数据框，把每行的元素作为参数传入匿名函数
• c(...)：把当前行的所有元素拼成向量，后续步骤和方法一一致

为什么之前的方法不适用？ #

• drop_na()：作用是删除包含NA的整行，而不是保留行内的非NA元素，不符合你的需求
• select()：用于选择或删除列，无法针对行内的元素进行过滤操作

内容的提问来源于stack exchange，提问作者Tianjian Qin