已知散点的坐标x,y分别对应的list值，python把这些点拟合成椭圆并作图输出，不需要插值

可以使用scipy库中的optimize.curve_fit函数来拟合椭圆。具体步骤如下：

1. 导入所需库

import numpy as np
import matplotlib.pyplot as plt
from scipy.optimize import curve_fit

2. 定义椭圆方程

椭圆方程可表示为：

$$\frac{(x-x_0)^2}{a^2} + \frac{(y-y_0)^2}{b^2} = 1$$

其中，$(x_0, y_0)$为椭圆中心坐标，$a$和$b$分别为椭圆长半轴和短半轴长度。

def ellipse(x, x0, y0, a, b):
    return ((x[0]-x0)**2/a**2 + (x[1]-y0)**2/b**2 - 1)

3. 调用curve_fit函数进行拟合

在curve_fit函数中，第一个参数为拟合函数，第二个参数为自变量数据，第三个参数为因变量数据。

popt, pcov = curve_fit(ellipse, (x, y), None, p0=(0, 0, 1, 1))

其中，popt为拟合后的参数，pcov为协方差矩阵，p0为拟合参数的初始值。

4. 绘制椭圆

fig, ax = plt.subplots()
ax.scatter(x, y, color='red')
x0, y0, a, b = popt
ellipse_plot = plt.Ellipse((x0, y0), 2*a, 2*b, fill=False)
ax.add_artist(ellipse_plot)
plt.axis('scaled')
plt.show()

其中，scatter函数用于绘制散点，Ellipse函数用于绘制椭圆，axis('scaled')函数用于设置坐标轴比例一致。

完整代码如下：

import numpy as np
import matplotlib.pyplot as plt
from scipy.optimize import curve_fit

x = [1, 2, 3, 4, 5]
y = [2, 3, 5, 7, 9]

def ellipse(x, x0, y0, a, b):
    return ((x[0]-x0)**2/a**2 + (x[1]-y0)**2/b**2 - 1)

popt, pcov = curve_fit(ellipse, (x, y), None, p0=(0, 0, 1, 1))

fig, ax = plt.subplots()
ax.scatter(x, y, color='red')
x0, y0, a, b = popt
ellipse_plot = plt.Ellipse((x0, y0), 2*a, 2*b, fill=False)
ax.add_artist(ellipse_plot)
plt.axis('scaled')
plt.show()