下一步 - II

您的气温数据指出了一些可用于探索航班延误与取消原因的方向。不过，您的客户坚持认为，波士顿的航班到达模式受能见度和风影响，而不是气温。在继续之前，您需要收集更多数据。

经过充分调研，您找到了波士顿地区关于「每周」平均能见度和风速的相关数据。将这些数据与您现有的「每月」xts 对象 flights_temps 合并之前，您会采取以下哪些步骤？

1. 将数据编码为带时间索引的 xts 对象。
2. 使用 to.period() 按月转换周期性，并保留每周的第一条观测。
3. 确保每个数据对象只有一列信息。
4. 使用 split() 和 lapply() 计算月度平均值，并将数据转换为按月的周期性。
5. 在使用 merge() 之前，检查 xts 对象的周期性与时间覆盖范围。
6. 在使用 merge() 之前，从 flights_temps 中移除现有的气温信息。