直接的“为什么”是因为TI正在执行对数误差拟合而不是线性误差拟合：

import matplotlib.pyplot as plt
import numpy as np
from scipy.optimize import curve_fit
xdat = np.array([0.117, 0.241, 0.782, 0.734, 1.275, 1.192, 1.483, 0.131, 0.279, 0.453, 1.128, 0.928, 2.197])
ydat = np.array([260.07, 85.82, 87.71, 124.57, 32.35, 80.5, 31.86, 55.36, 44.8, 27.28, 51.21, 53.77, 43.58])
order = xdat.argsort()
xdat = xdat[order]
ydat = ydat[order]
def powlaw(x: np.ndarray, a: float, b: float) -> np.ndarray:
    return a * x**b
def powlaw_log(x: np.ndarray, a: float, b: float) -> np.ndarray:
    return np.log(a) + b*np.log(x)
popt_lin, _ = curve_fit(
    f=powlaw, xdata=xdat, ydata=ydat,
)
popt_log, _ = curve_fit(
    f=powlaw_log, xdata=xdat, ydata=np.log(ydat),
)
popt_ti = 52.23979898, -.308726274
ax: plt.Axes
right: plt.Axes
fig, ax = plt.subplots()
ax.plot(xdat, ydat, label='Experiment')
ax.plot(xdat, powlaw(xdat, *popt_lin), label='Fit lin')
ax.plot(xdat, powlaw(xdat, *popt_log), label='Fit log')
ax.plot(xdat, powlaw(xdat, *popt_ti), label='Fit TI', linestyle='dashed')
ax.legend()
plt.show()

但是，由于您的数据在范围内变化不大（即使这是一个幂函数），因此没有明显的赢家。如果你有多个数量级，那将是一个不同的故事。