Wie üblich haben wir pandas als pd und matplotlib.pyplot als plt für dich importiert.

Verwende pd.read_csv(), um 'gdp_growth.csv' und 'djia.csv' zu importieren. Setze bei beiden einen DateTimeIndex basierend auf der Spalte 'date' mithilfe von parse_dates und index_col, und weise die Ergebnisse gdp_growth bzw. djia zu. Inspiziere sie anschließend mit .info().
Resample djia mit dem Frequenzalias 'QS', aggregiere mit .first(), und weise das Ergebnis djia_quarterly zu.
Wende .pct_change() auf djia_quarterly an und nutze .mul() mit 100, um djia_quarterly_return zu erhalten.
Verwende pd.concat(), um gdp_growth und djia_quarterly_return entlang axis=1 zu verketten, und weise das Ergebnis data zu. Benenne die Spalten über .columns mit den neuen Labels 'gdp' und 'djia' um und .plot() anschließend die Ergebnisse.

Upsampling und Interpolation mit .resample()