Невозможно правильно подобрать линию полиномиальной регрессии

У меня есть фрейм данных, как показано ниже:

price |  Sales
6.62  |  64.8
8.71  |  38

Это выглядит так

Я не очень хорошо знаком с нелинейной регрессией, но, следуя нескольким руководствам, я использовал следующий код для соответствия полиномиальному распределению:

X = df['price'].values
y = df['sales'].values

X = X.reshape(-1,1)

from sklearn.preprocessing import PolynomialFeatures
from sklearn.linear_model import LinearRegression

pre_process = PolynomialFeatures(degree=2)
X_poly = pre_process.fit_transform(X)

pr_model = LinearRegression()
# Fit our preprocessed data to the polynomial regression model
pr_model.fit(X_poly, y)
# Store our predicted Humidity values in the variable y_new
y_pred = pr_model.predict(X_poly)
# Plot our model on our data
plt.scatter(X, y, c = "black")
plt.plot(X, y_pred)

И я понимаю, что это неправильно:

Любые идеи, что мне не хватает, что я не могу получить правильную линию для подгонки?