在 R 中用素食包估计辛普森指数单日答案

【问题标题】：Estimating Simpson's Index with vegan package for single days in R在 R 中用素食包估计辛普森指数单日
【发布时间】：2021-03-15 11:36:41
【问题描述】：

我有一个庞大的自然观察数据集，如下所示：

完整数据：

 Date           Number     Species      Weekday

 2019-04-30      15           A           Tue
 2019-04-30       7           A           Tue
 2019-04-30      40           C           Tue
 2019-05-01       3           C           Wed
 2019-05-01      25           B           Wed
 2019-05-02       6           A           Thu
 2019-05-03      38           D           Fri
 2019-05-03       1           E           Fri

以下是数据集中 15 个观测值的样本：

structure(list(
Date = structure(c(18031, 18034, 18018, 18044, 18026, 18037, 18016, 18021, 18042, 18045, 18038, 18036, 18046, 18040, 18042), class = "Date"), 
Number = c(1L, 1L, 20L, 1L, 4L,5L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 5L,1L),
Species = c("Andrena fulva", "Clytus arietis", "Allium ursinum", "Erinaceus europaeus", "Vulpes vulpes", "Alauda arvensis", "Bombus indet.", "Noctua janthe", "Falco tinnunculus", "Pica pica", "Mimas tiliae", "Sylvia borin", "Silene dioica", "Merops apiaster", "Eurygaster austriaca"),
Weekday = c("Wed", "Sat", "Thu", "Tue", "Fri", "Tue", "Tue", "Sun", "Sun", "Wed", "Wed", "Mon", "Thu", "Fri", "Sun")),
row.names = c(NA, -15L), class = "data.frame")

在 fulldata 中，总共有 12.000 多个观测值。 Date 是 as.Date 格式，Number 是数字，Species 和 Weekday 是字符变量。

我需要做的是获取每个日期的辛普森多样性指数，以便以后进行比较。最终目标是查看工作日与周末观察到的多样性是否存在差异。作为第一步，我为每个日期制作了单独的数据框。有 32 个不同的日子，所以我现在有 32 个较小的数据框，其变量与 fulldata 相同。每天都有超过 1000 种不同的物种（Species）被报告，每个观察结果还包括检测到的个体数量（Number）。

我现在的问题是：我可以使用 vegan 软件包来估计不同的辛普森指数值吗？如果可以，如何？我不确定它是否适用于单独的变量 Number 和 Species，或者观察到的个体数量是否必须由行表示。

感谢您的建议！

【问题讨论】：

您能分享您的部分数据吗？
我编辑了原始帖子并添加了一个 dput。

标签： r indexing

【解决方案1】：

只要物种名称的拼写一致，这将起作用。假设您的样本数据称为species：

library(vegan)
species.tbl <- xtabs(Number~Date+Species, species)
species.simp <- diversity(species.tbl, "simpson")
species.simp
# 2019-04-30 2019-05-02 2019-05-05 2019-05-10 2019-05-15 2019-05-18 2019-05-20 2019-05-21 2019-05-22 2019-05-24 2019-05-26 2019-05-28 2019-05-29 2019-05-30 
#        0.0        0.0        0.0        0.0        0.0        0.0        0.0        0.0        0.0        0.0        0.5        0.0        0.0        0.0

【讨论】：