Prochaines étapes - II

Vos données de température ont révélé quelques pistes possibles pour expliquer les retards et les annulations de vols. Cependant, votre client soutient que les arrivées de vols à Boston sont influencées par la visibilité et le vent, pas par la température. Avant d'aller plus loin, vous devrez recueillir plus de données.

Après des recherches approfondies, vous avez repéré des données pertinentes sur la visibilité moyenne et la vitesse du vent en Boston, à l'échelle hebdomadaire. Quelles étapes suivriez-vous avant de fusionner ces données avec votre objet xts mensuel existant, flights_temps?

1. Encoder les données en un objet xts avec un index basé sur le temps.
2. Convertir les données en périodicité mensuelle avec to.period() en prenant la première observation par semaine.
3. S'assurer que chaque objet de données ne contient qu'une seule colonne d'information.
4. Convertir les données en périodicité mensuelle en utilisant split() et lapply() pour calculer des moyennes mensuelles.
5. Vérifier la périodicité et la durée de vos objets xts avant d'utiliser merge().
6. Retirer l'information de température existante de flights_temps avant d'utiliser merge().