拟合图形以查找数据曲线的渐变

Question

所以我有一堆数据，我需要找到梯度。数据的设置就像我有核金属丰度，即星系中心的金属丰度（距离=0）和离中心不同距离的一群不同星系的金属丰度。我想找到一个通用的梯度，所以我计划绘制所有的数据，并寻找一条最佳拟合曲线。这个想法是，金属丰度是它的中心。所以我需要修正任何金属度梯度，这样它就能返回正确的核金属度。我需要将任何梯度的偏移量固定为核金属丰度（当拟合单个星系时）或0（如果根据它们的核金属度来改变一切并拟合整个样本）。 这是我的数据的一个例子

NAME   Metallicity   Nuclear Metallicity    Distance 
1990U   -             -                     -
1991ar  8.52          -                     4.61
1996d   8.66          -                     2.0295
1996aq  8.59          9.03                  2.97297
1997B   -             -                     8.24493
1999cn  8.69          -                     16.71392
2005eo  8.49          9.23                  10.25775
2005mf  8.83          9.05                  7.2698
2006jc  -             8.48                  2.0295
2007uy  8.7           9                     3.61248
2008D   8.86          9                     9.59352

距离*基本上是原子核的金属性。 现在我使用的是一个非常简单的脚本，它只调用文本文件中的数据，然后使用matplotlib打印它。我困惑的是如何偏移图形，使原子核金属丰度为零，从而得到一个普适梯度。因为上面的方程使用了梯度，但我需要求解它，所以我不知道该怎么做。有人知道如何用超参数拟合图形吗？ 如果您需要更多信息，请告诉我，并提前感谢。在

编辑： 所以我所说的梯度是一个最佳拟合线的方程。基本上，我在一个星系的中心有一个金属丰度，对于一堆不同的星系，我需要找到一个方程，这样如果我知道中心金属丰度和离中心的距离，我可以把它插入到这个方程中，从而知道在那一点的金属丰度。因为目前所有的星系都有不同的金属丰度，所以我试图用所有的数据来拟合梯度。有道理吗？再次感谢。在

Answer 1

如果你想要拟合的方程是

Metallicity - Nuclear Metallicity = distance * gradient

然后让LHS=y，distance=x，如果您的数据在名为df的pandas数据框中：

^{pr2}$