Skip to content

Fantasia1999/skills-zh / translations/xlsx

当电子表格文件是主要输入或输出时,请使用此技能。这包括用户希望:打开、读取、编辑或修复现有的 .xlsx、.xlsm、.csv 或 .tsv 文件(例如,添加列、计算公式、格式化、制图、清理混乱数据);从头开始或从其他数据源创建新电子表格;或在表格文件格式之间进行转换。特别是当用户通过名称或路径(即使是随口一提,如“我下载文件夹里的那个 xlsx”)引用电子表格文件,并希望对其进行操作或用其生成内容时,应触发此技能。同样适用于将格式不正确的表格数据文件(格式错误的行、位置不当的标题、垃圾数据)清理或重构为标准电子表格。最终交付物必须是电子表格文件。当主要交付物是 Word 文档、HTML 报告、独立的 Python 脚本、数据库管道或 Google Sheets API 集成时,即使涉及表格数据,也不要触发此技能。

输出要求

所有 Excel 文件

专业字体

  • 除非用户另有指示,否则所有交付物均使用统一的专业字体(例如,Arial, Times New Roman)。

零公式错误

  • 每个交付的 Excel 模型都必须没有任何公式错误(#REF!, #DIV/0!, #VALUE!, #N/A, #NAME?)。

保留现有模板(更新模板时)

  • 在修改文件时,仔细研究并严格匹配现有的格式、样式和惯例。
  • 切勿对已有既定模式的文件强加标准化格式。
  • 现有模板的惯例始终优先于这些指南。

财务模型

颜色编码标准

除非用户或现有模板另有规定。

行业标准颜色惯例

  • 蓝色文本 (RGB: 0,0,255):硬编码输入,以及用户为不同情景分析会更改的数字。
  • 黑色文本 (RGB: 0,0,0):所有公式和计算。
  • 绿色文本 (RGB: 0,128,0):从同一工作簿内其他工作表引用的链接。
  • 红色文本 (RGB: 255,0,0):指向其他文件的外部链接。
  • 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

必需的格式规则

  • 年份:格式化为文本字符串(例如,"2024" 而不是 "2,024")。
  • 货币:使用 $#,##0 格式;始终在标题中指明单位("收入 ($mm)")。
  • 零值:使用数字格式将所有零值显示为 "-",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:估值倍数(如 EV/EBITDA, P/E)格式化为 0.0x。
  • 负数:使用括号 (123) 而不是负号 -123。

公式构建规则

假设的放置

  • 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,而不是硬编码的值。
  • 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是否正确。
  • 检查范围中是否存在差一错误。
  • 确保所有预测期间的公式保持一致。
  • 使用边界情况(零值、负数)进行测试。
  • 验证没有意外的循环引用。

硬编码的文档要求

  • 在单元格旁边(如果位于表格末尾)或通过注释进行说明。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,2024财年,第45页,收入附注,[SEC EDGAR URL]”
    • “来源:公司 10-Q,2025年Q2,附件99.1,[SEC EDGAR URL]”
    • “来源:Bloomberg Terminal,2025年8月15日,AAPL US Equity”
    • “来源:FactSet,2025年8月20日,共识估算筛选”

XLSX 创建、编辑和分析

概述

用户可能会要求您创建、编辑或分析 .xlsx 文件的内容。针对不同的任务,您有不同的工具和工作流程可用。

重要要求

公式重新计算需要 LibreOffice:您可以假设已安装 LibreOffice,以便使用 scripts/recalc.py 脚本重新计算公式值。该脚本在首次运行时会自动配置 LibreOffice,包括在限制了 Unix 套接字的沙盒环境中(由 scripts/office/soffice.py 处理)。

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,请使用 pandas,它提供了强大的数据处理能力:

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()  # 统计数据

# 写入 Excel
df.to_excel('output.xlsx', index=False)

Excel 文件工作流程

关键:使用公式,而非硬编码值

始终使用 Excel 公式,而不是在 Python 中计算值后硬编码。 这能确保电子表格保持动态和可更新。

❌ 错误 - 硬编码计算值

# 坏实践:在 Python 中计算并硬编码结果
total = df['Sales'].sum()
sheet['B10'] = total  # 硬编码为 5000

# 坏实践:在 Python 中计算增长率
growth = (df.iloc[-1]['Revenue'] - df.iloc[0]['Revenue']) / df.iloc[0]['Revenue']
sheet['C5'] = growth  # 硬编码为 0.15

# 坏实践:用 Python 计算平均值
avg = sum(values) / len(values)
sheet['D20'] = avg  # 硬编码为 42.5

✅ 正确 - 使用 Excel 公式

# 好实践:让 Excel 计算总和
sheet['B10'] = '=SUM(B2:B9)'

# 好实践:将增长率写成 Excel 公式
sheet['C5'] = '=(C4-C2)/C2'

# 好实践: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。电子表格应该能够在源数据更改时重新计算。

通用工作流程

  1. 选择工具:pandas 用于数据处理,openpyxl 用于公式/格式化。
  2. 创建/加载:创建新工作簿或加载现有文件。
  3. 修改:添加/编辑数据、公式和格式。
  4. 保存:写入文件。
  5. 重新计算公式(如果使用了公式则必须执行):使用 scripts/recalc.py 脚本。
python scripts/recalc.py output.xlsx
  1. 验证并修复任何错误:
    • 该脚本返回包含错误详情的 JSON。
    • 如果 status 是 errors_found,检查 error_summary 以获取具体的错误类型和位置。
    • 修复已识别的错误并再次重新计算。
    • 需要修复的常见错误:
      • #REF!:无效的单元格引用。
      • #DIV/0!:除以零。
      • #VALUE!:公式中的数据类型错误。
      • #NAME?:无法识别的公式名称。

创建新的 Excel 文件

# 使用 openpyxl 设置公式和格式
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)'

# 格式化
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')

编辑现有的 Excel 文件

# 使用 openpyxl 以保留公式和格式
from openpyxl import load_workbook

# 加载现有文件
wb = load_workbook('existing.xlsx')
sheet = wb.active  # 或 wb['SheetName'] 以选择特定工作表

# 处理多个工作表
for sheet_name in wb.sheetnames:
    sheet = wb[sheet_name]
    print(f"Sheet: {sheet_name}")

# 修改单元格
sheet['A1'] = 'New Value'
sheet.insert_rows(2)  # 在位置 2 插入行
sheet.delete_cols(3)  # 删除第 3 列

# 添加新工作表
new_sheet = wb.create_sheet('NewSheet')
new_sheet['A1'] = 'Data'

wb.save('modified.xlsx')

重新计算公式

由 openpyxl 创建或修改的 Excel 文件包含的是作为字符串的公式,而不是计算出的值。使用提供的 scripts/recalc.py 脚本来重新计算公式:

python scripts/recalc.py <excel_file> [timeout_seconds]

示例:

python scripts/recalc.py output.xlsx 30

该脚本会:

  • 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)。
  • 返回包含详细错误位置和计数的 JSON。
  • 在 Linux 和 macOS 上均可工作。

公式验证清单

用于确保公式正常工作的快速检查项:

基本验证

  • 测试 2-3 个样本引用:在构建完整模型前,验证它们是否能提取正确的值。
  • 列映射:确认 Excel 列匹配(例如,第 64 列是 BL,而不是 BK)。
  • 行偏移:记住 Excel 行是 1-索引的(DataFrame 的第 5 行 = Excel 的第 6 行)。

常见陷阱

  • NaN 处理:使用 pd.notna() 检查空值。
  • 靠右的列:财年数据通常在第 50 列之后。
  • 多个匹配项:搜索所有出现的地方,而不仅仅是第一个。
  • 除以零:在使用 / 公式前检查分母(#DIV/0!)。
  • 错误的引用:验证所有单元格引用都指向预期的单元格(#REF!)。
  • 跨工作表引用:使用正确的格式(Sheet1!A1)来链接工作表。

公式测试策略

  • 从小处着手:在广泛应用前,先在 2-3 个单元格上测试公式。
  • 验证依赖项:检查公式中引用的所有单元格都存在。
  • 测试边界情况:包括零值、负值和非常大的值。

解读 scripts/recalc.py 的输出

该脚本返回包含错误详情的 JSON:

{
  "status": "success",           // 或 "errors_found"
  "total_errors": 0,              // 错误总数
  "total_formulas": 42,           // 文件中的公式数量
  "error_summary": {              // 仅在发现错误时出现
    "#REF!": {
      "count": 2,
      "locations": ["Sheet1!B5", "Sheet1!C10"]
    }
  }
}

最佳实践

库的选择

  • pandas:最适合数据分析、批量操作和简单的数据导出。
  • openpyxl:最适合复杂的格式化、公式和 Excel 特定功能。

使用 openpyxl

  • 单元格索引是 1-基的(row=1, column=1 指的是单元格 A1)。
  • 使用 data_only=True 来读取计算出的值:load_workbook('file.xlsx', data_only=True)。
  • 警告:如果以 data_only=True 模式打开并保存,公式将被值替换并永久丢失。
  • 对于大文件:读取时使用 read_only=True,写入时使用 write_only=True。
  • 公式会被保留但不会被求值——使用 scripts/recalc.py 来更新值。

使用 pandas

  • 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:在生成用于 Excel 操作的 Python 代码时:

  • 编写简洁、精炼的 Python 代码,不要加不必要的注释。
  • 避免冗长的变量名和多余的操作。
  • 避免不必要的 print 语句。

对于 Excel 文件本身:

  • 为复杂的公式或重要的假设添加注释。
  • 为硬编码的值记录数据来源。
  • 为关键计算和模型部分添加说明。
deprecation-and-migrationaddyosmani/agent-skillsManages deprecation and migration. Use when removing old systems, APIs, or features. Use when migrating users from one implementation to another. Use when migrating a database schema in production, such as renaming or dropping a column without downtime (expand/contract). Use when deciding whether to maintain or sunset existing code.Stars: 119kUpdated Claude CodeCodexVerifiedInstall
performance-optimizationaddyosmani/agent-skillsOptimizes application performance across frontend, backend, queries, and databases. Use when performance requirements exist, when you suspect performance regressions, when Core Web Vitals or load times need improvement, when N+1 query patterns need fixing, or when profiling reveals bottlenecks.Stars: 119kUpdated Claude CodeCodexVerifiedInstall
agent-cost-reportthedotmack/claude-memBelievable agent cost report for any period, default the last 7 full days PT, not counting today. Measured tokens from Claude Code transcripts priced at OpenRouter list prices (ESTIMATED), measured provider spend when a sanctioned source exists, note-taker cost separate, Timing-style HTML/PDF plus report.json, line-items.csv, evidence.json.Stars: 118kUpdated Claude CodeCodexVerifiedInstall
agent-cost-reportthedotmack/claude-memBelievable agent cost report for any period, default the last 7 full days PT, not counting today. Measured tokens from Claude Code transcripts priced at OpenRouter list prices (ESTIMATED), measured provider spend when a sanctioned source exists, note-taker cost separate, Timing-style HTML/PDF plus report.json, line-items.csv, evidence.json.Stars: 118kUpdated Claude CodeCodexVerifiedInstall