WOLFRAM

Wolfram言語 ＆ システムドキュメントセンター

TimeSeriesMapThread[f,tes]

時系列データ tes の各ペア{t,x}に対して，時間と値のペア{t,f[t,x]}を持つ新しい時系列または事象系列を作成する．

TimeSeriesMapThread[f,tes,{{a1,a2,…},{b1,b2,…},…}]

tes について{{t1,f[t1,x1,a1,b1,…]},{t2,f[t2,x2,a2,b2,…]},…}を与える．

詳細
Details and Options Details and Options
例題  
例  
スコープ  
基本的な用法  
データの型  
アプリケーション  
インフレ  
天候  
シミュレーション  
GDP  
月相  
特性と関係  
関連項目
関連するガイド
履歴
引用書式

TimeSeriesMapThread

TimeSeriesMapThread[f,tes]

時系列データ tes の各ペア{t,x}に対して，時間と値のペア{t,f[t,x]}を持つ新しい時系列または事象系列を作成する．

TimeSeriesMapThread[f,tes,{{a1,a2,…},{b1,b2,…},…}]

tes について{{t1,f[t1,x1,a1,b1,…]},{t2,f[t2,x2,a2,b2,…]},…}を与える．

詳細

  • TimeSeriesMapThreadは，一般に，時系列または事象系列の時間と値に関数を適用するために使われる．
  • 次は，tes の可能な形である．
  • TimeSeries[…]連続した時間順序のサンプリングデータ
    EventSeries[…]対応する値を持つ時間的事象
    TemporalData[…]時間と値のペアから構築された経路の集合
    {x1,x2,…}0から始まる整数時間を想定する値のリスト
    {{t1,x1},{t2,x2},…}時間と値のペアのリスト
  • TimeSeriesMapThread[f[…]&,tes]はTimeSeriesMap[f[#Time,…]&,tes]に等しい．
  • TimeSeriesMapThreadは，複数の経路を持つTemporalDataオブジェクトに経路ごとに縫い込まれる．

例題

すべて開く すべて閉じる

例  (3)

関数 f を時系列の時点と値に適用する：

Wolfram Language code: ts = TimeSeries[{Subscript[x, 1], Subscript[x, 2], Subscript[x, 3], Subscript[x, 4], Subscript[x, 5]}, {1}];
Wolfram Language code: TimeSeriesMapThread[f, ts]

ランダムな実数値の時系列を取る：

Wolfram Language code: ts = TimeSeries[RandomReal[{-1, 1}, 10 ^ 3], {1}];
Wolfram Language code: ListPlot[ts]

時点と値の関数を適用する：

Wolfram Language code: TimeSeriesMapThread[Sin[#1 / 100] + #2&, ts]
Wolfram Language code: ListPlot[%]

時間の関数として分散が増加する時系列を作成する：

Wolfram Language code: ts = TimeSeries[Table[RandomVariate[NormalDistribution[0, σ]], {σ, 1000}]];
Wolfram Language code: ListPlot[ts]

値に二次トレンドを追加する：

Wolfram Language code: TimeSeriesMapThread[#2 + #3&, ts, {Subdivide[0, 50, 999]^2}]//ListPlot

スコープ  (7)

基本的な用法  (2)

時点3の値を0に設定する：

Wolfram Language code: ts = TimeSeries[{Subscript[x, 1], Subscript[x, 2], Subscript[x, 3], Subscript[x, 4], Subscript[x, 5]}, {1}];
Wolfram Language code: f[3, _] := 0; f[_, v_] := v;
Wolfram Language code: TimeSeriesMapThread[f, ts]["Path"]

時間に依存するノイズをベクトル値信号に加える：

Wolfram Language code: data = TimeSeries[Table[{t, {Sin[t], Cos[t]}}, {t, 0, 30, 0.1}]];
Wolfram Language code: ListLinePlot[data]
Wolfram Language code: ListLinePlot[TimeSeriesMapThread[RandomReal[{-#1 / 50, #1 / 50}] + #2&, data]]

データの型  (5)

関数 f 時点と値のペアのリストに適用する：

Wolfram Language code: ts = {{1, a}, {2, b}, {3, c}, {7, d}};
Wolfram Language code: TimeSeriesMapThread[f, ts]

TimeSeries中の3より大きい時点の値を1に設定する：

Wolfram Language code: ts = TimeSeries[{Subscript[x, 1], Subscript[x, 2], Subscript[x, 3], Subscript[x, 4], Subscript[x, 5]}, {1}];
Wolfram Language code: f[a_, b_] := If[a > 3, 1, b]
Wolfram Language code: TimeSeriesMapThread[f, ts]["Path"]

整数時についてのTemporalDataを可視化する：

Wolfram Language code: data = RandomFunction[WienerProcess[0, 7], {0, 20, .1}, 40]
Wolfram Language code: ListLinePlot[data, PlotStyle -> Thin]
Wolfram Language code: TimeSeriesMapThread[If[Mod[#1, 1] == 0., #2, 0]&, data]
Wolfram Language code: ListLinePlot[%]

EventSeriesの中央の50の値を0に設定する：

Wolfram Language code: es = TemporalData[EventSeries, {{{0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 1, 1, 1, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 3, 3, 3, 4, 5, 5, 6, 6, 6, 7, 8, 8, 9, 10, 10, 10, 10, 11, 11, 11, 12, 12, 12, 13, 13, 14, 14, 14, 14, 14, 14, 15, 15, ... 20, 20, 21, 22, 22, 23, 23, 24, 25, 26, 26, 27, 27, 28, 28, 28, 28, 29, 30, 30, 30, 31, 31, 31, 32, 32, 33, 33, 33}}, {{0, 99, 1}}, 1, {"Discrete", 1}, {"Discrete", 1}, 1, {ResamplingMethod -> None, ValueDimensions -> 1}}, False, 10.];
Wolfram Language code: ListPlot[es, Filling -> Axis]
Wolfram Language code: TimeSeriesMapThread[If[25 < #1 < 74, 0, #2]&, es]
Wolfram Language code: ListPlot[%, Filling -> Axis]

数量を含む時系列の値を変更する：

Wolfram Language code: s = Quantity[{0, 16, 9, 3, 20, 23}, "Meters"];
Wolfram Language code: ts = TimeSeries[s]

2より大きい時の値を変更する：

Wolfram Language code: f[a_, b_] := If[a > 2, Quantity[1, "Meters"], b]
Wolfram Language code: new = TimeSeriesMapThread[f, ts]
Wolfram Language code: new["Path"]

アプリケーション  (5)

インフレ  (1)

次は，1970年から2010年までのスポット原油価格である．このデータにはインフレ調整は行われていない：

Wolfram Language code: oilPrices = TemporalData[TimeSeries, {{{Quantity[3.35, "USDollars"/"BarrelsOfOilEquivalent"], Quantity[3.35, "USDollars"/"BarrelsOfOilEquivalent"], Quantity[3.35, "USDollars"/"BarrelsOfOilEquivalent"], Quantity[3.35, "USDollars"/"BarrelsOfOilEqu ... ilEquivalent"]}}, {TemporalData`DateSpecification[{1970, 1, 1, 0, 0, 0.}, {2010, 1, 1, 0, 0, 0.}, {{45, "Day"}, {15, "Hour"}, {41, "Minute"}, {20, "Second"}}]}, 1, {"Discrete", 1}, {"Discrete", 1}, 1, {ValueDimensions -> 1}}, True, 10.];
Wolfram Language code: DateListPlot[oilPrices, Joined -> True]

消費者物価指数(CPI)は，しばしば，過去の価格にインフレ調整を施すために使われる：

Wolfram Language code: pi = TemporalData[TimeSeries, {{{22.424, 22.747, 22.935, 23.233, 23.588, 23.905, 24.146, 24.345, 24.745, 24.894, 25.114, 25.398, 25.398, 26.145, 26.634, 27.095, 27.095, 28.266, 29.127, 30.012, 30.69, 31.138, 31.692, 32.22, 32.567, 32.893, 33.3 ... 100.179, 100.179}}, {TemporalData`DateSpecification[{1970, 1, 1, 0, 0, 0.}, {2010, 1, 1, 0, 0, 0}, {1, "Quarter"}]}, 1, {"Continuous", 1}, {"Discrete", 1}, 1, {ResamplingMethod -> {"Interpolation", InterpolationOrder -> 1}}}, True, 314.1];
Wolfram Language code: DateListPlot[pi, Joined -> True]
Wolfram Language code: cpiCor[base_, t_, v_] := (v * base/pi[t])

消費者物価指数の最も新しい価格を用いてインフレ調整した価格：

Wolfram Language code: baseCPI = pi["December 31st, 2009"]
Wolfram Language code: cp = TimeSeriesMapThread[cpiCor[baseCPI, #1, #2]&, oilPrices];
Wolfram Language code: DateListPlot[{cp, oilPrices}, Joined -> True, PlotLegends -> {"Adjusted", "Original"}, PlotStyle -> Thick]

2001年3月5日の調整後の原油価格を求める：

Wolfram Language code: cp["March 5th, 2001"]

天候  (1)

次は，ミズーリ州のある町の，3年間の月ごとの気温の平均である．このデータを，季節要因と季節要因ではないものに分ける：

Wolfram Language code: temp = TemporalData[TimeSeries, {{{22.82, 17.01, 11.85, 7.14, 0.37, -4.54, -1.58, 6.57, 12.34, 19.02, 20.95, 22.02, 19.59, 19.77, 12.38, 7.21, -0.54, -2.28, 1.12, 3.13, 12.51, 16.38, 23.54, 23.65, 23.23, 20.73, 12.63, 6.39, -3.88, 2.98, -1.07, 4.84, 13.32, 16.42, 21.69, 24.02, 22.18}}, {TemporalData`DateSpecification[{2004, 1, 1}, {2007, 1, 1}, "Month"]}, 1, {"Discrete", 1}, {"Discrete", 1}, 1, {ValueDimensions -> 1}}, True, 10.];
Wolfram Language code: DateListPlot[temp, Joined -> True]

季節要因について，モデルをフィットする：

Wolfram Language code: mod = NonlinearModelFit[temp, a Sin[(x - b/5000000)], {a, b}, x];
Wolfram Language code: DateListPlot[scomp = TimeSeriesMapThread[mod[#1]&, temp], Joined -> True]

このモデルを使って季節要因ではないものを得る：

Wolfram Language code: sCor[t_, v_] := v - scomp[t]
Wolfram Language code: ncomp = TimeSeriesMapThread[sCor, temp];
Wolfram Language code: DateListPlot[ncomp, Joined -> True]

要因を組み合せるともとのデータが得られる：

Wolfram Language code: Normal[TimeSeriesThread[Total, {ncomp, scomp}]] == Normal[temp]

シミュレーション  (1)

TimeSeriesMapThreadを使って変換されたランダム過程のシミュレーションを行う：

Wolfram Language code: μ = 0;σ = 1 / 3;t0 = 0;t1 = 2;x0 = 0;x1 = 0;

WienerProcessのシミュレーションを行う：

Wolfram Language code: proc = WienerProcess[μ, σ]; SeedRandom[3]; data = RandomFunction[proc, {t0, t1, .1}];

ランダムサンプルに変換を適用し，ブラウン橋を得る：

Wolfram Language code: sample = TimeSeriesMapThread[x0(x1 - x0)(#1 - t0) / (t1 - t0) + #2 - (#1 - t0) Last[data["Values"]] / (t1 - t0) - (t1 - #1)First[data["Values"]] / (t1 - t0)&, data];

対応するBrownianBridgeProcessと比較する：

Wolfram Language code: SeedRandom[3]; data = RandomFunction[BrownianBridgeProcess[σ, {t0, x0}, {t1, x1}], {t0, t1, .1}];
Wolfram Language code: ListLinePlot[{sample, data}, PlotStyle -> {Thick, Dotted}]

GDP  (1)

スイスのGDP（単位：米ドル）推定における矛盾について調べる：

Wolfram Language code: GDPDiscrepancy = EntityValue[Entity["Country", "Switzerland"], EntityProperty["Country", "DiscrepancyInExpenditureEstimateOfGDP", {"CurrencyUnit" -> "CurrentLCU", "Date" -> All}]]

データが与えられる通貨単位：

Wolfram Language code: GDPDiscrepancy["FirstValue"]//QuantityUnit

米ドルに変換し，インフレ調整を行う：

Wolfram Language code: GDPDiscrepancyInUSDollars = TimeSeriesMapThread[InflationAdjust[Quantity[QuantityMagnitude[#2], DatedUnit["SwissFrancs", First@DateList[#1]]], DatedUnit["USDollars", First@DateList[#1]]]&, GDPDiscrepancy]
Wolfram Language code: DateListPlot[GDPDiscrepancyInUSDollars]

月相  (1)

背景色が照らされている月の部分に依存する陰暦の暦を作る：

Wolfram Language code: dates = DateRange[DateObject[{2014, 1, 1, 12}], DateObject[{2014, 1, 31, 12}], 1];
Wolfram Language code: mp = MoonPhase[dates, "Icon"]; sf = MoonPhase[dates, "Fraction"];

一連のラベル付き画像を背景勾配で作る：

Wolfram Language code: phases = TimeSeriesMapThread[Framed[Labeled[ImageResize[#2, 45], Style[DateString[#1, {"DayNameShort", " ", "DayShort"}]]], Background -> Lighter[ColorData["StarryNightColors", #3], .3]]&, mp, {sf["Values"]}];

陰暦暦を可視化する：

Wolfram Language code: Labeled[Grid[Partition[phases["Values"], 7, 7, 4, ""], Dividers -> All, Spacings -> {0, 0}], "January 2014", Top]

特性と関係  (3)

単純な時系列を取り，f を縫込み適用することで別の時系列を構築する：

Wolfram Language code: ts = TimeSeries[{11, 17, 13}]
Wolfram Language code: res1 = TimeSeriesMapThread[f, ts]

この結果は，ConstructColumnsを使ってTabularに変換し，これを変換し直すことでも取得できる：

Wolfram Language code: ConstructColumns[Tabular[ts], "s" -> Function[f[#Timestamp, #Value]]]
Wolfram Language code: res2 = TimeSeries[%[All, "s"], {ts["Times"]}]
Wolfram Language code: res1 === res2

二項関数 f を単純な時系列のタイムスタンプおよび値に渡って写像する：

Wolfram Language code: ts = TimeSeries[{Subscript[x, 1], Subscript[x, 2], Subscript[x, 3], Subscript[x, 4], Subscript[x, 5]}, {1}]
Wolfram Language code: res = TimeSeriesMapThread[f, ts]
Wolfram Language code: TimeSeriesMap[f, ts]//Normal
Wolfram Language code: Normal[res]

TransformColumnsを使っても同じ結果を得ることができる：

Wolfram Language code: res === TransformColumns[ts, "Value" -> (f[#Timestamp, #Value]&)]

TimeSeriesMapThread[Function[f[#2]],ts]はTimeSeriesMap[f,ts]に等しい：

Wolfram Language code: ts = TimeSeries[{Subscript[x, 1], Subscript[x, 2], Subscript[x, 3], Subscript[x, 4], Subscript[x, 5]}, {1}]
Wolfram Language code: res = TimeSeriesMapThread[f[#2]&, ts]
Wolfram Language code: Normal[res]
Wolfram Language code: res === TimeSeriesMap[f, ts]
Wolfram Research (2014), TimeSeriesMapThread, Wolfram言語関数， https://reference.wolfram.com/language/ref/TimeSeriesMapThread.html （2026年に更新）.

テキスト

Wolfram Research (2014), TimeSeriesMapThread, Wolfram言語関数， https://reference.wolfram.com/language/ref/TimeSeriesMapThread.html （2026年に更新）.

CMS

Wolfram Language. 2014. "TimeSeriesMapThread." Wolfram Language & System Documentation Center. Wolfram Research. Last Modified 2026. https://reference.wolfram.com/language/ref/TimeSeriesMapThread.html.

APA

Wolfram Language. (2014). TimeSeriesMapThread. Wolfram Language & System Documentation Center. Retrieved from https://reference.wolfram.com/language/ref/TimeSeriesMapThread.html

BibTeX

@misc{reference.wolfram_2026_timeseriesmapthread, author="Wolfram Research", title="{TimeSeriesMapThread}", year="2026", howpublished="\url{https://reference.wolfram.com/language/ref/TimeSeriesMapThread.html}", note=[Accessed: 03-November-2026]}

BibLaTeX

@online{reference.wolfram_2026_timeseriesmapthread, organization={Wolfram Research}, title={TimeSeriesMapThread}, year={2026}, url={https://reference.wolfram.com/language/ref/TimeSeriesMapThread.html}, note=[Accessed: 03-November-2026]}