Nächste Schritte – II

Deine Temperaturdaten haben einige mögliche Ansatzpunkte aufgezeigt, um die Ursachen für Flugverspätungen und -ausfälle zu untersuchen. Dein Kunde besteht jedoch darauf, dass Ankunftsmuster in Boston eher von Sichtweite und Wind beeinflusst werden als von der Temperatur. Bevor es weitergeht, musst du zusätzliche Daten sammeln.

Nach intensiver Recherche hast du relevante Daten zur wöchentlichen durchschnittlichen Sichtweite und Windgeschwindigkeit im Raum Boston gefunden. Welche der folgenden Schritte würdest du unternehmen, bevor du diese Daten mit deinem vorhandenen monatlichen xts-Objekt flights_temps zusammenführst?

1. Die Daten in ein xts-Objekt mit zeitbasiertem Index kodieren.
2. Die Daten mit to.period() auf monatliche Periodizität umstellen und dabei die erste Beobachtung pro Woche verwenden.
3. Sicherstellen, dass jedes Datenobjekt nur eine einzelne Informationsspalte hat.
4. Die Daten mit split() und lapply() auf monatliche Periodizität umstellen, um Monatsdurchschnitte zu erzeugen.
5. Periodizität und Dauer der xts-Objekte prüfen, bevor merge() verwendet wird.
6. Die vorhandenen Temperaturinformationen aus flights_temps entfernen, bevor merge() verwendet wird.