Умножение pandas данных

Question

У меня есть 2 файла CSV с одинаковой структурой, но разной длины: a.csv

2000-01-14,50.94,51.04,49.83,49.94,2.18M,-1.61%
2000-01-18,49.18,49.32,48.39,48.53,3.03M,-2.81%
2000-01-19,48.63,49.37,47.7,47.89,2.49M,-1.33%
2000-01-20,47.98,48.03,46.31,47.43,2.46M,-0.96%

и b.csv

2000-01-14,1.0261,1.0273,1.0111,1.0128,-1.23%,
2000-01-17,1.0128,1.0149,1.0069,1.0118,-0.10%,
2000-01-18,1.0123,1.0143,1.0072,1.0131,0.13%,
2000-01-19,1.0139,1.0166,1.0086,1.0122,-0.09%,
2000-01-20,1.0137,1.0189,1.0072,1.0175,0.52%,

Я хотел бы создать новый файл с Значения столбцов 1-4 умножаются друг на друга. Столбец 0 (дата) должен быть таким же, как в файле с меньшим числом записей. Столбцы 5 и 6 можно отбросить.

Я прочитал в файлах следующий код:

a = pd.read_csv("a.csv", index_col=[0], parse_dates=[0], infer_datetime_format=True, header=None, skiprows=1, delimiter=',', names=['Date', 'Close','Open', 'High','Low', 'Vol.','Change'])
b = pd.read_csv("b.csv", index_col=[0], parse_dates=[0], infer_datetime_format=True, header=None, skiprows=1, delimiter=',', names=['Date', 'Close','Open', 'High','Low', 'Vol.','Change'])

Теперь я подумал, что могу умножить, используя метод mul, но c = a.mul(b, axis = 0) дает ошибка TypeError: can't multiply sequence by non-int of type str
Я прочитал этот SO-ответ , чтобы сделать
a.Close = (a.Close.values / np.timedelta64(1, 'D')).astype(int) перед умножением, но это не сработало: TypeError: ufunc divide cannot use operands with types dtype('float64') and dtype('<m8[D]')
Выполнение простого c = (a.Close * b.Close) Кажется, работает как-то:

Date
2000-01-17          NaN
2000-01-18    49.784914
2000-01-19    49.305957
2000-01-20    48.637326
Name: Close, dtype: float64

Но я не уверен, если результат все еще является pandas dataframe и как я добавляю другие столбцы к этому. Однако я уверен, что это должно быть очень легко, не могли бы вы указать мне правильное направление? Спасибо!

Answer 1

Благодаря комментарию Морганика я (после поиска в Google, не знакомый с python) я нашел следующее решение:

import pandas as pd
a = pd.read_csv("a.csv", index_col=[0], parse_dates=[0], infer_datetime_format=True, header=None, skiprows=1, delimiter=',', names=['Date', 'Close','Open', 'High','Low', 'Vol.','Change'])
b = pd.read_csv("b.csv", index_col=[0], parse_dates=[0], infer_datetime_format=True, header=None, skiprows=1, delimiter=',', names=['Date', 'Close','Open', 'High','Low', 'Vol.','Change'])

c= a.join(b, lsuffix='_a', rsuffix='_b')

# create new columns with multiplied values
c['Close'] = c.Close_a * c.Close_b
c['Open'] = c.Open_a * c.Open_b
c['High'] = c.High_a * c.High_b
c['Low'] = c.Low_a * c.Low_b

# create subset with new data and round
d = c[['Close','Open', 'High', 'Low']]
d = d.round({'Close':2,'Open':2, 'High':2, 'Low':2})
d.to_csv("d.csv", sep=',', header=True)

, которое дает d.csv:

Date,Close,Open,High,Low
2000-01-18,49.78,50.03,48.74,49.17
2000-01-19,49.31,50.19,48.11,48.47
2000-01-20,48.64,48.94,46.64,48.26

Аккуратно :) Спасибо большое!