问在R中分析具有高采样频率(~ MHz)的大时间道的最佳实践

EN

我对CRAN上的大量科学包(特别是小波)很感兴趣，我想学习如何分析典型的非平稳时间轨迹的时间轨迹，这些轨迹是用几个典型的2.5e6数据点的MHz采样的。

我通常使用Python，但IMHO高级科学包在Python中并不常见(例如，与提供几个不同小波库的CRAN相比)，或者至少是非常新的，质量经常有问题。即使我决定只使用特定的R包进行来自Python的某些数据分析(可能是通过rpy2)，我仍然必须确定哪个数据类是合适的。

适当的数据类

我想我可以为均匀采样的数据使用ts数据类，但我不确定ts将如何处理如此高的频率，因为它似乎是为每隔几个月左右采样一次的数据而设计的。我还注意到，简单地使用

time_trace <- cbind(t_samples, value_samples)

我也可以将列保存在data.frame中，但我怀疑性能可能不是最优的。

对于如此大和密集采样的时间轨迹，是否有推荐的方法？

处理不同的时间尺度

R在统计学家中非常流行，我怀疑时间序列的处理方式可能与物理学的某些分支不同，在物理学的某些分支中，时间序列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包可以做到这一点，但它们看起来并不是很高级。

如果我只想用R来分析时间痕迹，我必须改变我思考时间痕迹的方式吗？例如，将它们作为针对统计模型进行测试的数据，这些统计模型具有对应于不同时间尺度的几种模式。我也不确定如何处理非平稳信号。

注意：

这不是关于R是否适合数字信号处理器的问题，我已经创建了一个关于here的问题。