Scipy优化最小二乘熊猫数据框作为输入参数

Question

我有以下熊猫数据框（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

对于每个标签，我们都有一个唯一的y（因变量）。

我想找到具有多个参数的非线性函数，使

我猜想与其他类似问题的区别在于，这里我们没有独立变量和一个因变量的向量，因此我们不能简单地将df[['t','c']].T和df['y']传递给curve_fit调用。

所以我的问题是我们如何利用scipy优化库并找到参数的最佳值？理想情况下，我想将整个数据帧传递给函数，然后在函数内部实现groupby['labels']。但是参数约束不允许这样做。