1、使用的轮子：

import datetime  # 随便给sheet取个名 import math  # log及向上取整 import os  # 截取路径 import random  # 随机 import time  # time sleep import tkinter.font as tkFont  # 字体设置 import tkinter.ttk  # tkinter进度条等骚操作 from decimal import Decimal  # 十进制及修约 from itertools import chain  # 交错插入 from tkinter import *  # UI需要 from tkinter import filedialog  # 选择路径需要  import numpy as np  # 数学计算包 import openpyxl  # excel无损写入sheet import pandas as pd  # 科学计算包 from docx import Document  # word删除空行 from docx.shared import Mm  # 设置图片大小 from docxtpl import DocxTemplate, InlineImage  # 模板渲染 from openpyxl.styles import Border, Side  # 设置边框及自适应表格大小 from openpyxl.utils import get_column_letter  # 设置列宽

2、实现代码示例：

2.1修约和计算

# 标准曲线的不确定度 std_origin = [[0.253, 0.506, 1.265, 2.024, 2.530], [102436, 210017, 533276, 796984, 1019877]]  # 创建标曲原始x和y序列 test_ar = [0.889, 0.887, 0.889] test_not = len(test_ar)  # 计算试样测试次数 std_not = len(std_origin[0])  # 计算标准点数 vol_b = (std_not * sum([i * j for i, j in zip(std_origin[0], std_origin[1])]) - (sum(std_origin[0]) * sum(std_origin[1]))) / (         len(std_origin[1]) * sum([pow(i, 2) for i in std_origin[1]]) - pow(float(sum(std_origin[1])), 2))  # 计算斜率并转化成十进制 vol_a = average(std_origin[0]) - vol_b * average(std_origin[1])  # 计算截距 vol_ssd = pow(sum([pow((i - j), 2) for i, j in zip(std_origin[0], [vol_b * i + vol_a for i in std_origin[1]])]) / (std_not - 2), 0.5)  # 计算残差 std_oup = [(i - vol_a) / vol_b for i in std_origin[0]]  # 计算拟合理论x c_0a = average(test_ar)  # 计算试样浓度y均值 c_sa = average(std_origin[0])  # 计算标准理论y均值 getcontext().prec = 3  # 保留三位有效数字并且修约是按照4舍6入5留双 end_u = Decimal.from_float(         pow((pow((c_0a - c_sa), 2) / (sum([pow((i - average(std_oup)), 2) for i in std_oup]) * pow(vol_b, 2)) + (1 / test_not) + (1 / std_not)), 0.5) * vol_ssd)  # 计算标准不确定度 std_ur = end_u / Decimal.from_float(average(test_ar))  # 计算相对不确定度 print('标准曲线相对{}%'.format(std_ur * 100))