探索气温数据
现在，您已经了解了一些 flights 数据，并复习了时间序列数据处理的基础。接下来的任务是探索波士顿地区的天气模式，从而了解哪些因素可能会影响航班延误与取消。为此，您需要汇总并处理一些额外的时间序列数据。
本练习中，您将探索波士顿地区的气温数据，包括一段时间内每日最低、平均和最高气温。这些数据使用 R 中的 weatherData 包收集，该包从 Weather Underground 抓取公开可用的数据。
在开始时间序列数据处理之前，任何数据分析的第一步都是检查数据的基本特性。具体来说，您将更仔细地查看两个气温数据对象（temps_1 和 temps_2），以了解它们包含哪些信息，以及接下来应如何进行。
本练习是课程的一部分
案例研究：在 R 中分析城市时间序列数据
练习说明
- 调用两次
str()，分别查看气温对象temps_1和temps_2的结构。请密切关注输出！ - 使用
head()和tail()查看temps_1的前几行和后几行。 - 使用
head()和tail()查看temps_2的前几行和后几行。这两个对象包含的数据是否相似？
交互式实操练习
通过完成这段示例代码来试试这个练习。
# 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