为何R与Python拟合的幂律模型参数存在显著差异？

我发现用R拟合的幂律模型总是比Python（Scipy）拟合的模型存在低估情况，两者得到的参数差异明显，对应模型也不同。我原本以为两种方法拟合的结果应该基本一致，这种情况正常吗？

R 原始拟合代码 #

# 生成数据
x <- seq(1,10,1)
y <- c(1,2.1,3.5, 4.5, 4.8, 6, 9, 14, 20, 24.75)

# 拟合对数变换后的线性模型
model.pl <- lm(log(y) ~ log(x))
x_axis <- seq(1,10,1)
lines(x_axis, exp(predict(model.pl, data.frame(x=x_axis))), col = 'red', lty = 2, lwd=2)
summary(model.pl)

# 输出幂律模型参数
print(exp(model.pl$coefficients[1])) # 0.8093913 
print(model.pl$coefficients[2]) # 1.325091 

Python（Scipy）拟合代码 #

import pandas as pd
from scipy.optimize import curve_fit

lst = list(range(1,11,1))
lst2 = [1,2.1,3.5, 4.5, 4.8, 6, 9, 14, 20, 24.75]

df = pd.DataFrame(list(zip(lst, lst2)), columns=['x', 'y'])

# 定义幂律模型
def objective(x, a, b):
    return a * x ** b

x, y = df["x"], df["y"]

# 拟合模型
popt, _ = curve_fit(objective, x, y)

a, b = popt
print(a) # 0.10104993 
print(b) # 2.38573123 

按照建议修改R的调用语句后，模型结果并未出现明显变化：

修改后的R拟合代码 #

# 生成数据
x <- seq(1,10,1)
y <- c(1,2.1,3.5, 4.5, 4.8, 6, 9, 14, 20, 24.75)

# 去掉截距项的对数线性模型
model.pl <- lm(log(y) ~ log(x)-1)
x_axis <- seq(1,10,1)
lines(x_axis, exp(predict(model.pl, data.frame(x=x_axis))), col = 'red', lty = 2, lwd=2)
summary(model.pl)

# 输出参数
print(exp(model.pl$coefficients[1]))
print(model.pl$coefficients[2])

内容的提问来源于stack exchange，提问作者hmnoidk