Found array with 0 sample(s) (shape=(0, 3)) while a minimum of 1 is required by MinMaxScaler.

我正在使用For语句进行机器学习想进行预测，但是总是进行到一半的时候会报如上错误，有人能帮我看看嘛，代码如下

针对714个机器种类，要预测他们在2021年6月7日到8月30日的售卖量，以周为单位预测。所以一共预测13次，我想使用for语句进行预测。
完成的代码如下
sample1_name是一个列表，里面存放了714个机器种类，

for n in sample1_name:
Model1 = df[df['品名'] == n]
Model1 = Model1.loc[:, ['数量', '出荷日']]
Model1['date'] = pd.to_datetime(Model1['出荷日'].astype(str))
Model1 = Model1.drop('出荷日', axis = 1)

Model1 = Model1.set_index("date")

Model1_weekly = Model1.resample('W').sum()

Model1_weekly = Model1_weekly.rename_axis('date').reset_index()

Model1_weekly['Year'] = Model1_weekly['date'].dt.year
Model1_weekly['Month'] = Model1_weekly['date'].dt.month
Model1_weekly['Day'] = Model1_weekly['date'].dt.day

Model2 = Model1_weekly.set_index('date')

X = Model2.iloc[:,1:4]
y = Model2.iloc[:,0:1]

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size = 0.20, random_state = 0)  

mms = MMS()
X_train_m = pd.DataFrame(mms.fit_transform(X_train))
X_test_m = pd.DataFrame(mms.transform(X_test))

model = lgb.LGBMRegressor()
model.fit(X_train_m, y_train)
y_pred = model.predict(X_test_m)

test_dataset_m_pred = model.predict(test_dataset_m)
result_df = pd.DataFrame(columns = [n])
result_df = test_dataset_m_pred

y_predictdata[n] = result_df.astype('int')

前面14个机器种类已经完成预测了，从第15个开始，报出了一下错误‘’

ValueError: Found array with 0 sample(s) (shape=(0, 3)) while a minimum of 1 is required by MinMaxScaler.

如果一个一个预测的话第15个也是成功预测的了，为什么一用for循环就出错呢？尝试了好几遍也没有成功

想要达到的结果就是，
一个表格，总轴是年月日，上面说的6月7到8月30以周为单位，横轴是714个机器名称，表格内容就是相应的售卖数量。

如果有人知道的话请能告诉一下我吗，万分感谢！