问题描述
我想获得根据Age变量拆分的df列表（请参见下文）。列表的每个元素应为df，所有记录都与年龄相同的个人相关。
每个元素应包含彼此相距1个月大的个人。此拆分应独立于记录的年/月和出生年/月。也就是说，具有例如即使记录属于不同的年份/月份并且它们出生在不同的年份/月份，也应该将1个月大的年龄分组在一起。
例如第一个要素：具有1个月大（Age = 1）的个人的所有记录；
第二要素：具有两个月大的个人的所有记录（Age = 2）；
等等...
这是来自df的示例：
FocalID Date_record Year_record Month_record Date_birth Age ID1 ID2
ID1 2014-05-02 2014 5 2005-09-08 103 0 1
ID2 2014-05-05 2014 5 2008-11-26 65 1 0
Age计算为Date_birth至Date_record之间的时间（以月为单位）。后者与与其他个体的亲近记录有关（ID1, ID2 ,etc.; 0 =缺席, 1 =当前`）。这是分析社交网络所必需的数据格式。
要计算“年龄”，我使用了以下代码：
df1J$Age = floor(age_calc(df1J$dob_corrected,df1J$Date,precise =T))
要创建dfs列表，我使用了split函数，并根据“ Age”变量创建了一个列表：
list = split(df,as.factor(df$Age))
但是，我还有一个问题是这些邻近数据是无向的。这意味着一个人（来自变量FocalID）可以有邻居（如上的ID1，ID2等），但也可以是另一个人的邻居（出现在{列中{1}}等。社交网络功能将两个邻近事件都视为相等。因此，如果列表中的元素包括具有例如在1个月大时，它还应包括在那些时间段内观察到的所有对象（如果某些邻居中列出了一些以前的FocalID，则它们），以便获得所有相关的邻近信息。
例如如果将FocalID 1和2归入列表的同一元素，因为它们都已经7个月大，并且它们分别在2018年的11个月和2016年的5个月取得了记录，那么在同一个月内观察到的其他FocalID也是如此（无论年龄如何，都应将11/2018和05/2016）纳入列表的同一元素。
我知道这是一个大并发症，但是任何建议都将非常受欢迎！
解决方法
暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！
如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@）