Kolejne kroki – II

Analiza danych temperaturowych ujawniła kilka potencjalnych kierunków eksploracji przyczyn opóźnień i odwołań lotów. Twój klient upiera się jednak, że wzorce przylatywania samolotów do Bostonu zależą od widoczności i wiatru, a nie od temperatury. Zanim przejdziesz dalej, musisz zebrać więcej danych.

Po przeprowadzeniu szczegółowych badań znalazłeś dane dotyczące tygodniowej średniej widoczności i prędkości wiatru w rejonie Bostonu. Które z poniższych kroków podjąłbyś przed scaleniem tych danych z istniejącym miesięcznym obiektem xts flights_temps?

Zakoduj dane jako obiekt xts z indeksem czasowym.
Przekształć dane do okresowości miesięcznej za pomocą to.period(), używając pierwszej obserwacji z każdego tygodnia.
Upewnij się, że każdy obiekt zawiera tylko jedną kolumnę danych.
Przekształć dane do okresowości miesięcznej za pomocą split() i lapply(), aby wyliczyć miesięczne średnie.
Sprawdź okresowość i zakres czasowy obiektów xts przed użyciem merge().
Usuń istniejące dane temperaturowe z flights_temps przed użyciem merge().

Możliwe odpowiedzi

1, 2, 6

1, 4, 5

1, 3, 5, 6

1, 2, 3, 5

ćwiczenie

Kolejne kroki – II

Instrukcje

Możliwe odpowiedzi

.css-6su6fj{-webkit-flex-shrink:0;-ms-flex-negative:0;flex-shrink:0;}ćwiczenie

Instrukcje

Możliwe odpowiedzi

ćwiczenie