這個問題說的很清楚，就是類型不對，需要轉化類型，首先講一下這個問題是在使用pandas的resample函數激發的，官方文檔解釋的較為清楚，如下：
Convenience method for frequency conversion and resampling of time series. Object must have a datetime-like index (DatetimeIndex, PeriodIndex, or TimedeltaIndex), or pass datetime-like values to the on or level keyword.
這個函數的目的主要是重新選擇時間頻率的，一組數據的頻率既可以變大也可以變小，完全根據需求來，沒有的數據就會變成NaN。問題是resample的數據必須是datetime-like index，而pandas的數據是DateFrame類型的，這個時候啊，該數據結構類似一種詞典類型，給提供了index，values，columns等基本的屬性。此時，只需要將數據的索引變成datetime類型的即可。如下：
y.index = pd.to_datetime(y.index)
這個時候我們看一下數據類型從DateFrame變成了Series，可以說是解決了大問題，其實之前的博客寫過，Series是很方便的，但也不是說DateFrame不方便，稍稍處理一下功能更多。
另外還有一個iterrows的迭代器，也很方便，官方介紹是這樣的：
DataFrame.iterrows() |
Iterate over DataFrame rows as (index, Series) pairs. |
這個也很好啊，這樣對值的訪問就更加方便了，因為Series支持label索引式的訪問。