我正在努力确定四个“迁移时间指标”：通话的开始、高峰、停止和持续时间（鲸歌）。我从峰值开始，因为全年记录的呼叫水平可能较低，因此开始和停止将计算为阈值，该阈值包含相对于呼叫峰值当天的呼叫总数的 90%。
我正在尝试将“呼叫”的数量（目前按小时和 24 小时分隔）合并到每周中位数箱中，并通过按每年的最大每日呼叫数量进行缩放，将呼叫标准化为 0 到 1 之间。
我已经计算出每年的峰值 # 调用（年度周期是 2 月至 1 月）和（每日调用是一年中每天 24 小时内每小时的调用次数）
Peak<- Daily %>% group_by(annual_cycle) %>% summarise(Peak_Daily_calls= max(Daily_calls)) %>% arrange(annual_cycle)但在确定每年的每日通话峰值之前，我没有将通话汇总到每周的中位数箱中。所以，我首先需要弄清楚（不知道如何）。
而且，我还需要能够确定哪个 DOY（每年（2001-2020 年）达到峰值（每日最大通话次数）。是否有一种简单的方法可以比我用更少的步骤完成此操作试过了吗？
这些没有用，#DOY in Daily == Peak$Peak_Daily_Calls
Peak<- Daily %>% group_by(annual_cycle) %>% summarise(Peak_DOY = )我是否应该尝试使用 ifelse 语句从其他数据框中找出每年的峰值调用次数？