我已经回答了你之前的问题，我可以看到你当前的数据不太好用-特别是如果你有差距。借用一些后台代码到包中的绘图函数，你可以为这个类创建一个新的predict方法并使用它：

library(growthcurver)
library(tidyverse)

data <- tribble(
  ~time,  ~T1,
  0,      0.01666667,
  1,      0.06000000,
  2,      0.12000000,
  3,      0.34000000,
  4,      0.29666667,
  5,      0.34000000,
  6,      1.23666667,
  7,      2.21333333,
  8,      2.64333333,
  24,     3.89000000
  )

gc_mod <- SummarizeGrowth(data$time, data$T1)

当给定一组新的自变量时，该软件包中的NAtT函数会生成整组拟合值：

tibble(x = seq(min(data$time), max(data$time), length = 30),
       y = NAtT(gc_mod$vals$k, gc_mod$vals$n0, gc_mod$vals$r, x)) |> 
  ggplot(aes(x, y)) +
  geom_line()

我们可以用它来为gcfit对象类型定制一个新的predict函数：

predict.gcfit <- function(gc_mod, new_data = NULL) {
  
  if(is.null(new_data)) {
    new_data <- gc_mod$data$t
  } 
  
  pred <- NAtT(gc_mod$vals$k, gc_mod$vals$n0, gc_mod$vals$r, new_data)
  
  pred
}

tibble(time = seq(0, 24),
       pred = predict(gc_mod, new_data = time)) |> 
  left_join(data, by = "time") |> 
  ggplot(aes(time)) +
  geom_point(aes(y = T1)) +
  geom_line(aes(y = pred), colour = "red")
#> Warning: Removed 15 rows containing missing values (`geom_point()`).