Python 每年合并并乘以2个数据帧

我有一个数据帧“X”，看起来像：

ticker |     date    |  close  |
  A    |  2002-01-02 |   20    |
  A    |  2002-01-11 |   10    |
             ...
  A    |  2003-01-11 |   15    |
             ...
  C    |  2002-01-31 |   40    |
  C    |  2002-02-01 |   50    |
             ...
  C    |  2003-02-01 |   56    |

ticker |     date    |  annual weight  |
  A    |  2002-03-31 |       0.2       |
  A    |  2003-02-11 |       0.5       |
             ...
  C    |  2002-01-31 |       0.6       |
  C    |  2003-02-01 |       1.2       |
             ...

另一个数据帧“Y”看起来像：

ticker |     date    |  close  |
  A    |  2002-01-02 |   20    |
  A    |  2002-01-11 |   10    |
             ...
  A    |  2003-01-11 |   15    |
             ...
  C    |  2002-01-31 |   40    |
  C    |  2002-02-01 |   50    |
             ...
  C    |  2003-02-01 |   56    |

ticker |     date    |  annual weight  |
  A    |  2002-03-31 |       0.2       |
  A    |  2003-02-11 |       0.5       |
             ...
  C    |  2002-01-31 |       0.6       |
  C    |  2003-02-01 |       1.2       |
             ...

我想将“Y”中的“年权重”乘以“X”中的“结束”，得到“X”中的一个新列，称为“权重*结束”，因为每个股票代码每年只有1个年权重

此外，X包含Y的所有日期值，但Y仅包含X的少数日期值

因此，我遇到的问题是试图像这样合并：

X = X.merge(Y, on = ['ticker', 'date'])

然后做乘法运算

X['weight*close'] = Y[['annual weight'].multiply(X['close'], axis=Index)

不会起作用，因为它试图在“日期”上合并，该日期只在X和Y中查找日期，然后丢弃X中不在Y中的值-但我想要全部

---

如何将所有值保留在X中，并仅按年份进行乘法？

您可以对数据帧重新采样以对齐日期。首先，将数据列转换为

DateTime

，如果它们尚未

DateTime

：

X.date = pd.to_datetime(X.date)
Y.date = pd.to_datetime(Y.date)

然后，按股票代码分组并重新采样。我使用平均值进行重采样，您可能需要使用

sum

或任何其他聚合函数

X_resampled = X.set_index('date').groupby('ticker').resample('1Y').mean()
Y_resampled = Y.set_index('date').groupby('ticker').resample('1Y').mean()

最后，找到产品：

X_resampled['close'] * Y_resampled['annual weight']
#ticker  date      
#A       2002-12-31     3.0
#        2003-12-31     7.5
#C       2002-12-31    27.0
#        2003-12-31    67.2

---

您可以发布预期的输出吗？只需在这两个数据框中创建年份变量并合并它们。我成功地为两个数据框创建了一个年份变量以合并，但X有1700000多行，Y有27000多行，我认为这是由于绝对的容量给了我一个内存错误。