Python曲线拟合，精确地找到最小值

我在将曲线拟合到附加的数据点时遇到了一些问题。首先，我使用numpy.polyfit尝试了不同程度的多项式。然而，它并没有产生足够精确的结果，无法找到求多项式导数的曲线的最小值。所以我尝试了不同的解决方案，比如scipy中的曲线拟合。优化抛物线和高斯曲线。但它基本上无法拟合曲线，并导致Inf值的协方差矩阵

有什么见解可以让我继续吗

提前感谢,，

---

要找到分析最小值，只需更精确地拟合数据最小值附近的数据，例如，仅拟合x>2.72和x<2.76范围内的数据，应该更容易。从视觉上看，低阶多项式应该适用于此数据范围。如果有必要，这可以通过使用最小y值的数据点的x+/-0.02或0.03实现自动化。多亏了，最后我使用了带斜率的双高斯函数来更好地估计最小值。要找到分析最小值，应该更容易更准确地拟合接近数据最小值的数据，例如，只有x>2.72和x<2.76范围内的数据。从视觉上看，低阶多项式应该适用于此数据范围。如果有必要，这可以通过使用最小y值的数据点的x+/-0.02或0.03实现自动化。多亏了，最后我使用了带斜率的双高斯函数来更好地估计最小值。