拟合图形以查找数据曲线的梯度

Question

所以我有一堆数据，我需要找出梯度。数据的设置就像我有核金属丰度，它是一个星系中心(距离= 0)的金属丰度，以及一群不同星系在离中心不同距离的金属丰度。我想要找到一个通用的梯度，所以我计划绘制所有的数据，并寻找最佳拟合的曲线。这个想法是，金属丰度是它在中心的位置。所以我需要修正任何金属丰度梯度，使其返回正确的核金属丰度。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丰度移动一切并拟合整个样本)。以下是我的数据示例

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

所以我基本上想要一个等式，比如金属丰度-核金属丰度=距离*梯度。现在，我使用了一个非常简单的脚本，它只是调用文本文件中的数据，然后使用matplotlib绘制它。我困惑的是如何偏移这个图，这样核的金属丰度为零，我就可以得到一个通用的梯度。由于上面的方程使用了梯度，但我需要求解它，所以我不确定如何处理它。有人知道如何使用超参数来拟合图形吗？如果您需要更多的信息，请让我知道，并在高级感谢。

编辑:所以我想我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，在离中心一段距离的地方，对于一群不同的星系，我需要找到一个方程，如果我知道中心的金属丰度，和离中心的距离，我可以把它插入到这个方程中，知道那个点的金属丰度。因为目前所有的星系都有不同的金属丰度，所以我试着拟合所有的数据来找出梯度。这有意义吗？再次感谢。

Answer 1

如果你想要拟合的方程是

Metallicity - Nuclear Metallicity = distance * gradient

如果您的数据位于名为df的pandas数据帧中，则让LHS = y和distance = x

import numpy as np

#drop rows with nulls
df = df.dropna()

y = df['Metallicity'] - df['Nuclear Metallicity']
x = df['Distance']

#fit a degree-1 polynomial i.e. a line
intercept, gradient = np.polyfit(x,y,1)
print(intercept,gradient)

-0.0116381176987 -0.289543910605