针对你的需求，不需要手动遍历参数组合，用dplyr的分组功能就能批量完成计算，直接生成包含所有Survey+Site组合的香农指数结果表，具体实现如下：

完整可运行代码（基于你的示例数据） #

library(tidyverse)
library(vegan)

set.seed(1)     
df <- data.frame(
  Species = rep(c("brt", "rbt", "scul"), times = 15),
  Survey = rep(c(1,2,3), each = 15),
  Site = rep(c("a","b","c","d","e"), times = 3, each = 3),
  Count = sample(1:15)
)

# 1. 汇总每个调查时段-河段-物种的总捕获量
count_sum_norun <- df %>% 
  group_by(Survey, Site, Species) %>%
  summarise(Count = sum(Count), .groups = "drop")  # .groups="drop"等价于后续的ungroup()

# 2. 批量计算所有组合的香农多样性指数
shannon_results <- count_sum_norun %>%
  group_by(Survey, Site) %>%  # 按调查时段和河段分组
  summarise(
    Shannon_Index = diversity(Count, index = "shannon"),
    .groups = "drop"
  )

# 查看最终结果
print(shannon_results)

关键逻辑说明 #

• 分组计算：group_by(Survey, Site)会自动将数据拆分为所有Survey与Site的组合子集，无需手动设置筛选条件
• 批量运算：summarise中的diversity()函数会对每个子集单独计算香农指数，最终自动合并为包含所有组合结果的DataFrame
• 代码简化：用.groups = "drop"替代单独的ungroup()，让代码更紧凑

运行后你会得到一个包含三列的结果表：Survey（调查时段）、Site（河段）、Shannon_Index（对应香农多样性指数），直接完成所有组合的计算。

内容的提问来源于stack exchange，提问作者Ray