name: xlsx description: “电子表格工具包 (.xlsx/.csv)。创建/编辑带有公式/格式，分析数据，可视化，重新计算公式，用于电子表格处理和分析。” license: 专有。LICENSE.txt 包含完整条款
输出要求
所有 Excel 文件
零公式错误
- 每个 Excel 模型必须交付时零公式错误 (#REF!, #DIV/0!, #VALUE!, #N/A, #NAME?)
保留现有模板（更新模板时）
- 修改文件时，研究和完全匹配现有格式、样式和惯例
- 不要对已有固定模式的文件强加标准化格式
- 现有模板惯例始终优先于这些指南
金融模型
颜色编码标准
除非用户或现有模板另有说明
行业标准颜色惯例
- 蓝色文本 (RGB: 0,0,255)：硬编码输入和用户将更改用于场景的数字
- 黑色文本 (RGB: 0,0,0)：所有公式和计算
- 绿色文本 (RGB: 0,128,0)：从同一工作簿中其他工作表拉取链接
- 红色文本 (RGB: 255,0,0)：外部链接到其他文件
- 黄色背景 (RGB: 255,255,0)：需要关注的关键假设或需要更新的单元格
数字格式标准
必需格式规则
- 年份：格式化为文本字符串（例如，“2024” 不是 “2,024”）
- 货币：使用 $#,##0 格式；始终在标题中指定单位（“收入 ($mm)”）
- 零值：使用数字格式使所有零显示为“-”，包括百分比（例如，“$#,##0;($#,##0);-”）
- 百分比：默认为 0.0% 格式（一位小数）
- 倍数：格式化为 0.0x 用于估值倍数（EV/EBITDA, P/E）
- 负数：使用括号 (123) 而不是减号 -123
公式构建规则
假设放置
- 将所有假设（增长率、利润率、倍数等）放在单独的假设单元格中
- 在公式中使用单元格引用而不是硬编码值
- 示例：使用 =B5*(1+$B$6) 而不是 =B5*1.05
公式错误预防
- 验证所有单元格引用正确
- 检查范围中的差一错误
- 确保所有预测期间公式一致
- 测试边界情况（零值、负数）
- 验证没有意外循环引用
硬编码文档要求
- 在单元格旁注释或备注（如果在表尾）。格式：“来源: [系统/文档], [日期], [具体引用], [URL 如果适用]”
- 示例：
- “来源: 公司 10-K, FY2024, 第 45 页, 收入注释, [SEC EDGAR URL]”
- “来源: 公司 10-Q, Q2 2025, 附录 99.1, [SEC EDGAR URL]”
- “来源: Bloomberg 终端, 2025/8/15, AAPL US 权益”
- “来源: FactSet, 2025/8/20, 共识估计屏幕”
XLSX 创建、编辑和分析
概述
使用公式、格式和数据分析创建、编辑或分析 Excel 电子表格。应用此技能进行电子表格处理，使用 openpyxl 和 pandas。重新计算公式并确保零错误，用于发布质量输出。
使用科学示意图进行视觉增强
使用此技能创建文档时，始终考虑添加科学图表和示意图以增强视觉传达。
如果文档尚未包含示意图或图表：
- 使用 scientific-schematics 技能生成 AI 驱动的发布质量图表
- 只需用自然语言描述所需图表
- Nano Banana Pro 将自动生成、审查和优化示意图
对于新文档： 默认应生成科学示意图，以视觉表示文本中描述的关键概念、工作流、架构或关系。
如何生成示意图：
python scripts/generate_schematic.py "您的图表描述" -o figures/output.png
AI 将自动：
- 创建发布质量图像，具有适当格式
- 通过多次迭代审查和优化
- 确保可访问性（色盲友好、高对比度）
- 将输出保存在 figures/ 目录中
何时添加示意图：
- 电子表格工作流程图
- 数据处理管道图
- 公式计算流程图
- 金融模型结构图
- 数据分析流程图
- 任何受益于可视化的复杂概念
有关创建示意图的详细指南，请参阅 scientific-schematics 技能文档。
重要要求
需要 LibreOffice 进行公式重新计算： 您可以假设 LibreOffice 已安装，用于使用 recalc.py 脚本重新计算公式值。脚本在首次运行时自动配置 LibreOffice
读取和分析数据
使用 pandas 进行数据分析
对于数据分析、可视化和基本操作，使用 pandas，它提供强大的数据操作功能：
import pandas as pd
# 读取 Excel
df = pd.read_excel('file.xlsx') # 默认：第一个工作表
all_sheets = pd.read_excel('file.xlsx', sheet_name=None) # 所有工作表作为字典
# 分析
df.head() # 预览数据
df.info() # 列信息
df.describe() # 统计信息
# 写入 Excel
df.to_excel('output.xlsx', index=False)
Excel 文件工作流
关键：使用公式，不要使用硬编码值
始终使用 Excel 公式，而不是在 Python 中计算值并硬编码。 这确保电子表格保持动态和可更新。
❌ 错误 - 硬编码计算值
# 错误：在 Python 中计算并硬编码结果
total = df['Sales'].sum()
sheet['B10'] = total # 硬编码 5000
# 错误：在 Python 中计算增长率
growth = (df.iloc[-1]['Revenue'] - df.iloc[0]['Revenue']) / df.iloc[0]['Revenue']
sheet['C5'] = growth # 硬编码 0.15
# 错误：Python 计算平均值
avg = sum(values) / len(values)
sheet['D20'] = avg # 硬编码 42.5
✅ 正确 - 使用 Excel 公式
# 好：让 Excel 计算总和
sheet['B10'] = '=SUM(B2:B9)'
# 好：增长率作为 Excel 公式
sheet['C5'] = '=(C4-C2)/C2'
# 好：使用 Excel 函数计算平均值
sheet['D20'] = '=AVERAGE(D2:D19)'
这适用于所有计算 - 总计、百分比、比率、差异等。电子表格应能在源数据更改时重新计算。
常见工作流
- 选择工具：pandas 用于数据，openpyxl 用于公式/格式
- 创建/加载：创建新工作簿或加载现有文件
- 修改：添加/编辑数据、公式和格式
- 保存：写入文件
- 重新计算公式（如果使用公式则强制）：使用 recalc.py 脚本
python recalc.py output.xlsx - 验证和修复任何错误：
- 脚本返回带有错误详细信息的 JSON
- 如果
status是errors_found，检查error_summary获取特定错误类型和位置 - 修复识别出的错误并重新计算
- 常见需要修复的错误：
#REF!：无效单元格引用#DIV/0!：除以零#VALUE!：公式中错误的数据类型#NAME?：未识别的公式名称
创建新的 Excel 文件
# 使用 openpyxl 进行公式和格式设置
from openpyxl import Workbook
from openpyxl.styles import Font, PatternFill, Alignment
wb = Workbook()
sheet = wb.active
# 添加数据
sheet['A1'] = 'Hello'
sheet['B1'] = 'World'
sheet.append(['Row', 'of', 'data'])
# 添加公式
sheet['B2'] = '=SUM(A1:A10)'
# 格式设置
sheet['A1'].font = Font(bold=True, color='FF0000')
sheet['A1'].fill = PatternFill('solid', start_color='FFFF00')
sheet['A1'].alignment = Alignment(horizontal='center')
# 列宽
sheet.column_dimensions['A'].width = 20
wb.save('output.xlsx')
编辑现有 Excel 文件
# 使用 openpyxl 保留公式和格式
from openpyxl import load_workbook
# 加载现有文件
wb = load_workbook('existing.xlsx')
sheet = wb.active # 或 wb['SheetName'] 用于特定工作表
# 处理多个工作表
for sheet_name in wb.sheetnames:
sheet = wb[sheet_name]
print(f"工作表: {sheet_name}")
# 修改单元格
sheet['A1'] = '新值'
sheet.insert_rows(2) # 在位置 2 插入行
sheet.delete_cols(3) # 删除列 3
# 添加新工作表
new_sheet = wb.create_sheet('新工作表')
new_sheet['A1'] = '数据'
wb.save('modified.xlsx')
重新计算公式
由 openpyxl 创建或修改的 Excel 文件包含公式作为字符串，但没有计算值。使用提供的 recalc.py 脚本重新计算公式：
python recalc.py <excel_file> [timeout_seconds]
示例：
python recalc.py output.xlsx 30
脚本：
- 首次运行时自动设置 LibreOffice 宏
- 重新计算所有工作表中的所有公式
- 扫描所有单元格以查找 Excel 错误 (#REF!, #DIV/0! 等)
- 返回带有详细错误位置和计数的 JSON
- 在 Linux 和 macOS 上工作
公式验证清单
确保公式正确工作的快速检查：
基本验证
- [ ] 测试 2-3 个样本引用：在构建完整模型前验证它们拉取正确值
- [ ] 列映射：确认 Excel 列匹配（例如，列 64 = BL，不是 BK）
- [ ] 行偏移：记住 Excel 行是 1 索引的（DataFrame 行 5 = Excel 行 6）
常见陷阱
- [ ] NaN 处理：使用
pd.notna()检查空值 - [ ] 远右列：FY 数据通常在列 50+
- [ ] 多个匹配：搜索所有出现，不仅仅是第一个
- [ ] 除以零：在使用
/在公式前检查分母 (#DIV/0!) - [ ] 错误引用：验证所有单元格引用指向预期单元格 (#REF!)
- [ ] 跨工作表引用：使用正确格式 (Sheet1!A1) 用于链接工作表
公式测试策略
- [ ] 从小开始：在广泛应用前在 2-3 个单元格上测试公式
- [ ] 验证依赖：检查公式中引用的所有单元格存在
- [ ] 测试边界情况：包括零、负数和非常大的值
解释 recalc.py 输出
脚本返回带有错误详细信息的 JSON：
{
"status": "success", // 或 "errors_found"
"total_errors": 0, // 总错误计数
"total_formulas": 42, // 文件中公式数量
"error_summary": { // 仅在发现错误时存在
"#REF!": {
"count": 2,
"locations": ["Sheet1!B5", "Sheet1!C10"]
}
}
}
最佳实践
库选择
- pandas：最适合数据分析、批量操作和简单数据导出
- openpyxl：最适合复杂格式设置、公式和 Excel 特定功能
使用 openpyxl 工作
- 单元格索引是 1 基础的（row=1, column=1 引用单元格 A1）
- 使用
data_only=True读取计算值：load_workbook('file.xlsx', data_only=True) - 警告：如果以
data_only=True打开并保存，公式将被值替换并永久丢失 - 对于大文件：使用
read_only=True用于读取或write_only=True用于写入 - 公式被保留但不评估 - 使用 recalc.py 更新值
使用 pandas 工作
- 指定数据类型以避免推断问题：
pd.read_excel('file.xlsx', dtype={'id': str}) - 对于大文件，读取特定列：
pd.read_excel('file.xlsx', usecols=['A', 'C', 'E']) - 正确处理日期：
pd.read_excel('file.xlsx', parse_dates=['date_column'])
代码风格指南
重要：当为 Excel 操作生成 Python 代码时：
- 编写最小、简洁的 Python 代码，无需不必要注释
- 避免冗长的变量名和冗余操作
- 避免不必要的打印语句
对于 Excel 文件本身：
- 在具有复杂公式或重要假设的单元格添加注释
- 记录硬编码值的数据来源
- 包括关键计算和模型部分的说明