这可能看起来有点简单化，老实说，我已经花了几个小时看这个，并尝试来回，现在不能看到木材从树上。
当我试图将dataFrame和series拟合到votingClassifer时，我经常陷入同样的错误，即zip参数不可迭代。
我目前有以下安排：

​def MethodName(Data, Models):
    YColumn = list(Data["target"].values) # Pandas.series = Data["target"]
    XColumn = Data.drop([~ArrayOfColumnsToDrop~],axis=1).to_records() #Pandas.DataFrame =Data[...]
    model = VotingClassifier(estimators=Models, voting='hard')
    model.fit(XColumn, YColumn)
    return(model, score)

当前返回以下错误：

/opt/conda/lib/python3.7/site-packages/sklearn/ensemble/_voting.py in fit(self, X, y, sample_weight)
    322         transformed_y = self.le_.transform(y)
    323 
--> 324         return super().fit(X, transformed_y, sample_weight)
    325 
    326     def predict(self, X):

/opt/conda/lib/python3.7/site-packages/sklearn/ensemble/_voting.py in fit(self, X, y, sample_weight)
     63     def fit(self, X, y, sample_weight=None):
     64         """Get common fit operations."""
---> 65         names, clfs = self._validate_estimators()
     66 
     67         if self.weights is not None and len(self.weights) != len(self.estimators):

/opt/conda/lib/python3.7/site-packages/sklearn/ensemble/_base.py in _validate_estimators(self)
    245                 " of (string, estimator) tuples."
    246             )
--> 247         names, estimators = zip(*self.estimators)
    248         # defined by MetaEstimatorMixin
    249         self._validate_names(names)

TypeError: zip argument #1 must support iteration

我的理解是，它希望X或Y参数都是可迭代的，并且两者都是：`
第一次
我对它的理解有限，这意味着两者都是可迭代数组;其中YColumn数组是1d [条目，条目，[...]，条目]，XColumn数组是[（元组），（元组），[...]，（元组）]的1d。
以前的尝试：

• 只需分别将两者作为panda.series和panda.dataFrame传入即可
• 让YColumn是一个元组数组，格式为[（0，Y），（1，Y），...，（D，Y）]。
• 使用test_train_split。这导致了与现在相同的关于zip迭代器的错误消息。

查看文档，它指出需要：
形状的X{类似阵列的稀疏矩阵}（n个样本，n个特征）
这会是问题所在吗？以普通形式传递dataFrame肯定是类似数组的形式吗？
我错过了什么？