对于香农熵的各个选项，我们可以进行逐一分析：

A: **香农熵用来度量信息的不纯性**
- 这是正确的。香农熵（Shannon Entropy）用于测量信息的不确定性或不纯性。熵越高，信息的不确定性越大，节点越不纯。

B: **均衡分布的(0.5， 0.5)的结点具有最高的不纯性**
- 这是正确的。在二分类问题中，分布为(0.5, 0.5)的节点具有最高的熵（即1），代表最大的不确定性。

C: **类分布为(0， 1)的结点具有零不纯性**
- 这是正确的。类分布为(0, 1)或(1, 0)的节点是纯节点，因为没有不确定性，熵为0。

D: **香浓熵和基尼指数函数公式一样**
- 这是错误的。香农熵和基尼指数是两种不同的度量方法，公式也不同。香农熵的公式为：
\[
H(X) = -\sum p(x) \log_2 p(x)
\]
而基尼指数的公式为：
\[
Gini = 1 - \sum (p_i)^2
\]
它们用来衡量分类问题中的不纯性，但计算方式不同。

因此，错误的选项是 **D**: 香浓熵和基尼指数函数公式一样。