Prochaines étapes - II

Vos données de température ont mis en évidence plusieurs pistes pour explorer les causes des retards et annulations de vols. Toutefois, votre client affirme que les arrivées de vols à Boston sont influencées par la visibilité et le vent, pas la température. Avant d’aller plus loin, vous devez recueillir davantage de données.

Après des recherches approfondies, vous avez identifié des données pertinentes sur la visibilité moyenne et la vitesse du vent à l’échelle hebdomadaire dans la région de Boston. Parmi les étapes suivantes, lesquelles effectueriez-vous avant de fusionner ces données avec votre objet xts mensuel existant, flights_temps ?

1. Encoder les données en objet xts avec un index temporel.
2. Convertir les données en périodicité mensuelle à l’aide de to.period() avec la première observation par semaine.
3. Veiller à ce que chaque objet de données n’ait qu’une seule colonne d’information.
4. Convertir les données en périodicité mensuelle à l’aide de split() et lapply() pour calculer des moyennes mensuelles.
5. Vérifier la périodicité et la durée de vos objets xts avant d’utiliser merge().
6. Supprimer les informations de température existantes de flights_temps avant d’utiliser merge().