探索溫度資料
現在你已經對 flights 資料有了初步認識，也複習了時間序列資料處理的基礎。接下來的任務是探索波士頓地區的天氣型態，了解可能影響航班延誤與取消的因素。為了做到這點，你需要彙整並處理一些額外的時間序列資料。
在這個練習中，你會探索波士頓地區的溫度資料，包括每日最低、平均與最高溫度隨時間的變化。這些資料是使用 R 的 weatherData 套件蒐集而來，該套件自 Weather Underground 擷取公開可得的資料。
在進一步進行時間序列資料處理前，任何資料分析的第一步都是先檢視資料的基本特性。你將特別仔細查看兩個溫度資料物件（temps_1 與 temps_2），以了解它們包含哪些資訊，以及你應該如何往下進行。
本練習屬於課程
個案研究：在 R 中分析城市時間序列資料
練習說明
- 使用兩次
str()來查看每個溫度物件的結構：temps_1與temps_2。請特別留意輸出結果！ - 使用
head()與tail()查看temps_1的前幾列與後幾列。 - 使用
head()與tail()查看temps_2的前幾列與後幾列。這兩個物件是否包含相似的資料？
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# View the structure of each object
str(___)
str(___)
# View the first and last rows of temps_1
head(___)
tail(___)
# View the first and last rows of temps_2