У меня есть следующий pandas dataframe (df)
label t c y
a 1 10 0.9
a 1.1 10 0.9
a 1.5 20 0.9
b 1 10 0.8
b 1.12 15 0.8
b 1.3 17 0.8
, где для каждой метки у нас есть уникальный y (зависимые переменные).
Я хотел бы найти подходящие нелинейные функции с несколькими параметрами, такие как
Я предполагаю разницу с другими подобными вопросами в том, что здесь у нас нет вектора независимых переменных и одной единственной зависимой переменной, поэтому мы не можем просто передать df[['t','c']].T
и df['y']
в качестве входных данных для вызова curve_fit.
Итак, мой вопрос: как мы можем использовать библиотеки оптимизации scipy и найти оптимальные значения наших параметров? В идеале я хотел бы передать свой полный кадр данных в функцию, а затем внедрить groupby['labels']
внутри функции. Но ограничения аргументов не позволяют этого.