下一步 - II

你的溫度資料指出了一些可能的方向，可以用來探討航班延誤與取消的原因。不過，你的客戶堅持認為波士頓的航班到達模式受能見度與風影響，而不是溫度。在繼續之前，你需要再收集更多資料。

在進行了廣泛的調查後，你找到了波士頓地區與此相關的「每週」平均能見度與風速資料。以下哪些步驟，會在把這些資料與你現有的「每月」xts 物件 flights_temps 合併之前先完成？

1. 將資料編碼成具有時間索引的 xts 物件。
2. 使用 to.period()，以每週的第一筆觀測值將資料轉換為每月期間性。
3. 確保每個資料物件都只有單一欄位的資訊。
4. 使用 split() 與 lapply() 產生每月平均值，將資料轉換為每月期間性。
5. 在使用 merge() 前，檢查 xts 物件的期間性與涵蓋期間。
6. 在使用 merge() 前，先從 flights_temps 中移除現有的溫度資訊。