xlsx 技能用于创建、编辑和分析 .xlsx 文件，提供针对不同任务的工作流与工具选择。
一、用途与总体要求 技能处理用户对 .xlsx 文件的创建、编辑、分析与可视化请求，覆盖公式、格式、数据分析等。重要前提：假定环境已安装 LibreOffice，用于通过 recalc.py 脚本重新计算公式值，该脚本首次运行会自动配置 LibreOffice。所有 Excel 文件必须零公式错误，不能出现 #REF!、#DIV/0!、#VALUE!、#N/A、#NAME? 等错误。更新既有模板时，必须研究并精确匹配其格式、样式与约定，不得把标准化格式强加于已有固定模式的文件；既有模板约定始终优先于本指南。
二、财务模型规范 颜色编码（除非用户或既有模板另有说明）：蓝色文字（RGB 0,0,255）表示硬编码输入及用户会随情景更改的数字；黑色文字（0,0,0）表示所有公式与计算；绿色文字（0,128,0）表示同一工作簿内其他工作表的链接；红色文字（255,0,0）表示指向其他文件的外部链接；黄色背景（255,255,0）表示需要注意的关键假设或待更新单元格。 数字格式：年份按文本字符串格式（如 “2024”，不是 “2,024”）；货币使用 $#,##0，并始终在表头标明单位（如 “Revenue ($mm)”）；零值通过数字格式显示为 “-”，包括百分比（如 “$#,##0;($#,##0);-”）；百分比默认 0.0%（一位小数）；估值倍数（EV/EBITDA、P/E）格式为 0.0x；负数使用括号 (123) 而非负号 -123。 公式构建：将所有假设（增长率、利润率、倍数等）放在独立的假设单元格中，公式中使用单元格引用而非硬编码值，例如用 =B5*(1+$B$6) 而不是 =B5*1.05。预防错误：核对所有单元格引用正确、检查区域的差一错误、确保各预测期公式一致、用边界情况（零、负数）测试、确认没有意外的循环引用。硬编码需注释或写在相邻单元格（若在表格末尾），格式为 “Source: [System/Document], [Date], [Specific Reference], [URL if applicable]”，示例包括 “Source: Company 10-K, FY2024, Page 45, Revenue Note, [SEC EDGAR URL]”“Source: Bloomberg Terminal, 8/15/2025, AAPL US Equity” 等。
三、读取与分析 数据分析、可视化与基本操作使用 pandas：pd.read_excel('file.xlsx') 读取第一个工作表，sheet_name=None 读取全部工作表为字典；df.head() 预览、df.info() 查看列信息、df.describe() 查看统计；df.to_excel('output.xlsx', index=False) 写出。
四、Excel 文件工作流 关键原则：始终使用 Excel 公式，而不是在 Python 中算好再硬编码，以保证表格可动态更新。错误示例是把求和、增长率、平均值的结果直接写入单元格；正确做法是写入 '=SUM(B2:B9)'、'=(C4-C2)/C2'、'=AVERAGE(D2:D19)' 等公式。常用流程：选择工具（数据用 pandas，公式/格式用 openpyxl）→ 创建或加载 → 修改数据、公式与格式 → 保存 → 使用公式时强制运行 python recalc.py output.xlsx 重新计算 → 校验并修正错误，脚本返回 JSON 错误详情，若 status 为 errors_found 则查看 error_summary 中的错误类型与位置，修复后再次计算。常见需修复错误包括 #REF!（无效引用）、#DIV/0!（除零）、#VALUE!（数据类型错误）、#NAME?（无法识别的公式名）。
创建新文件示例：from openpyxl import Workbook，配合 Font、PatternFill、Alignment；可写单元格值、公式（sheet['B2'] = '=SUM(A1:A10)'）、字体、填充、对齐与列宽，最后 wb.save('output.xlsx')。编辑既有文件使用 load_workbook 以保留公式与格式，可遍历 wb.sheetnames、修改单元格、insert_rows、delete_cols、create_sheet，再保存。openpyxl 创建或修改后的公式只是字符串、不含计算值，需用 recalc.py 重算：python recalc.py <excel_file> [timeout_seconds]，例如 python recalc.py output.xlsx 30；脚本会重算所有工作表公式、扫描所有单元格的 Excel 错误，并返回含错误位置与数量的 JSON，支持 Linux 与 macOS。
五、公式校验清单 基础验证：先测试 2-3 个样本引用确认取值正确再搭建完整模型；确认 Excel 列映射正确（如第 64 列是 BL 而非 BK）；注意行偏移，Excel 行从 1 开始（DataFrame 第 5 行对应 Excel 第 6 行）。常见陷阱：用 pd.notna() 处理 NaN；注意 FY 数据常在 50 列以后的远右侧列；搜索所有匹配而非只取第一个；公式使用除法前检查分母避免除零；核对引用避免 #REF!；跨表引用使用正确格式（Sheet1!A1）。测试策略：先在小范围 2-3 个单元格测试再推广；验证公式引用的单元格都存在；测试零、负数与超大值等边界情况。
recalc.py 输出结构示例：{"status": "success" 或 "errors_found"，"total_errors"，"total_formulas"，"error_summary": {"#REF!": {"count": 2, "locations": ["Sheet1!B5", "Sheet1!C10"]}}}。
六、库选择与注意事项 pandas 最适合数据分析、批量操作与简单数据导出；openpyxl 最适合复杂格式、公式与 Excel 专有功能。openpyxl 单元格索引从 1 开始（row=1, column=1 对应 A1）；读取计算值可用 load_workbook('file.xlsx', data_only=True)，但警告：以 data_only=True 打开并保存会把公式替换为值并永久丢失公式；大文件可用 read_only=True 读取或 write_only=True 写入；公式会被保留但不求值，需用 recalc.py 更新。pandas 方面：用 dtype 指定类型避免推断问题（如 dtype={'id': str}）；大文件用 usecols 只读特定列；用 parse_dates 正确处理日期。
七、代码风格 生成 Excel 相关 Python 代码时，写最少、简洁的代码，不加多余注释，避免冗长变量名与冗余操作，避免不必要的 print。对 Excel 文件本身：为复杂公式或重要假设的单元格添加注释，为硬编码值记录数据来源，为关键计算与模型小节添加说明。
八、适用场景与限制 适用于创建、编辑、分析 .xlsx 文件，尤其是财务模型与需要保留模板约定的表格。限制与前提：公式重算依赖 LibreOffice 与 recalc.py；openpyxl 不计算公式，必须重算；使用 data_only=True 保存会丢失公式；资料未提供除上述之外的功能、收费、价格或平台信息。