Comme d'habitude, nous avons importé pandas sous le nom pd et matplotlib.pyplot sous le nom plt pour vous.

Utilisez pd.read_csv() pour importer 'gdp_growth.csv' et 'djia.csv'; pour les deux, définissez un DateTimeIndex à partir de la colonne 'date' en utilisant parse_dates et index_col, puis assignez les résultats à gdp_growth et djia respectivement, et inspectez avec .info().
Rééchantillonnez djia à l'aide de l'alias de fréquence 'QS', agrégerez avec .first(), et assignez à djia_quarterly.
Appliquez .pct_change() à djia_quarterly puis .mul() par 100 pour obtenir djia_quarterly_return.
Utilisez pd.concat() pour concaténer gdp_growth et djia_quarterly_return le long de axis=1, et assignez à data. Renommez les colonnes en utilisant .columns et les nouvelles étiquettes 'gdp' et 'djia', puis utilisez .plot() pour tracer les résultats.

Changer la fréquence d'une série chronologique : rééchantillonnage