다음 단계 - II

온도 데이터는 항공편 지연과 결항의 원인을 탐색할 수 있는 몇 가지 가능성을 보여주었습니다. 하지만 의뢰인은 보스턴의 도착 패턴은 온도가 아니라 가시거리와 바람의 영향을 받는다고 주장하네요. 다음으로 넘어가기 전에 더 많은 데이터를 수집해야 합니다.

심층 조사를 통해 보스턴 지역의 가시거리와 풍속에 대한 주간 평균 데이터가 유의미하다는 것을 확인했습니다. 이 데이터를 기존의 월별 xts 객체인 flights_temps와 병합하기 전에, 다음 중 어떤 단계를 수행하시겠습니까?

1. 시간 기반 인덱스를 갖는 xts 객체로 데이터를 인코딩한다.
2. to.period()를 사용해 주별 첫 번째 관측값으로 월별 주기로 변환한다.
3. 각 데이터 객체가 단일 열의 정보만 갖도록 한다.
4. split()과 lapply()를 사용해 월별 평균을 생성하여 월별 주기로 변환한다.
5. merge()를 사용하기 전에 xts 객체들의 주기성과 기간을 확인한다.
6. merge()를 사용하기 전에 flights_temps에서 기존 온도 정보를 제거한다.