Python 曲线拟合时如何限制R中的参数？

我是R的新手，需要为我的高中12年级论文（是的，这是存在的）拟合一些数据点的曲线。 我有一组数据点，如下所示：

A(0.15, 0.6)
B(0.44, 1.06)
C(0.921, 1.22)
D(1.66, 1.5)
E(2.36, 1.58)
F(2.74, 1.52)
G(3.46, 1.68)

我想用形式为y=a*log（b（x-c））+d的函数对它们进行建模。我该怎么做？我尝试过一些方法，但到目前为止我总能得到回应

Computation failed in 'stat_smooth()': Missing value or infinity produced when evaluating the model.

我怀疑这是因为R考虑了参数a、b、c和d的所有可能值，并且b和c可能因此导致一些问题，因为对数仅定义在正实数的域上（0除外）。我有什么办法解决这个问题吗？我知道b必须是正的，非零的，我知道c不能等于x。然而，我不知道如何实现这一点

如果你不知道如何帮助我在R中解决这个问题，如果你能用python或matlab编写一个替代方案，那就太酷了，因为我对这两种语言也有一点了解。请记住，我必须使用高斯-牛顿算法

---

任何支持都将不胜感激

试试这些初始参数估计：a=2.8E-01，b=5.7E+02，c=7.5E-02，d=-4.4E-01为什么必须使用高斯-牛顿？你能编辑你的问题以包含你迄今为止尝试过的导致错误的代码吗？@BenBolker我使用未修改的发布公式拟合发布的数据，没有问题。我有一个很好的拟合，这就是我之前评论中的初始参数估计的来源。一切对我来说都正常。也许我的代数（或逻辑）错了。@JamesPhillips，你是怎么得到这些起始值的？