我对CRAN上的大量科学软件包（特别是小波）很感兴趣，并希望学习如何分析采用几个MHz采样的典型非平稳时间轨迹的时间轨迹，通常为2.5e6数据点。
我通常使用Python，但是恕我直言的高级科学软件包并不常见（与例如提供几种不同小波库的CRAN相比）（或者至少是非常新的并且通常质量有问题）。即使我决定只使用特定的R包进行Python的某些数据分析（可能通过rpy2），我仍然需要弄清楚哪种数据类合适。
我认为我可以将ts数据类用于统一采样数据，但我不确定ts如何处理如此高的频率，因为它似乎是针对每隔几个采样的数据而设计的几个月左右。我还注意到，使用
time_trace <- cbind(t_samples, value_samples)
我也可以将列保持在data.frame但我怀疑性能不是最佳。
对于如此大且密集采样的时间轨迹，是否有推荐的方法？
R非常受统计学家的欢迎，我怀疑时间序列被看到并且可能与物理学的某些分支不同，其中通常归结为过滤和分析不同的频率分量（通常称为数字信号处理）。我注意到有一些R包，但它们看起来不是很先进。
如果我只想在R中分析它们，我是否必须改变我对时间轨迹的思考方式？例如。将它们视为要针对统计模型进行测试的数据，其中几种模式对应于不同的时间尺度。我也不确定如何处理非平稳信号。
这不是关于R是否适合DSP的问题，我已经创建了一个关于here的问题。