xlsx

【用途】 该技能用于创建、编辑和分析 .xlsx 文件的场景。用户可能提出对 Excel 文件的创建、修改或内容分析需求，此技能提供相应的工具与工作流。需要说明的是，资料中未提供该技能的具体安装方式、触发条件或平台支持范围，这些信息暂未提供。

【输出通用要求】 所有 Excel 文件应使用一致、专业的字体（例如 Arial、Times New Roman），除非用户另有指示。每个 Excel 模型交付时必须零公式错误，不得出现 #REF!、#DIV/0!、#VALUE!、#N/A、#NAME? 等错误。更新模板时，应研究并严格匹配现有格式、样式和约定，不得将标准化格式强加于已有既定模式的文件，现有模板约定始终优先于本指南。

【财务模型规范】 颜色编码标准（除非用户或现有模板另有说明）：蓝色文本（RGB: 0,0,255）表示硬编码输入及用户会为情景更改的数字；黑色文本（RGB: 0,0,0）表示所有公式和计算；绿色文本（RGB: 0,128,0）表示同一工作簿内其他工作表的链接；红色文本（RGB: 255,0,0）表示指向其他文件的外部链接；黄色背景（RGB: 255,255,0）表示需要关注的关键假设或需要更新的单元格。 数字格式标准：年份应格式化为文本字符串（如 “2024” 而非 “2,024”）；货币使用 $#,##0 格式，且始终在表头中注明单位（如 “Revenue ($mm)”）；零值使用数字格式显示为 “-”，包括百分比（如 “$#,##0;($#,##0);-”）；百分比默认使用 0.0% 格式（一位小数）；倍数格式化为 0.0x（用于 EV/EBITDA、P/E 等估值倍数）；负数使用括号 (123) 而非负号 -123。 公式构建规则：所有假设（增长率、利润率、倍数等）应放在单独的假设单元格中，公式中使用单元格引用而非硬编码值（例如用 =B5*(1+$B$6) 而非 =B5*1.05）。公式错误预防需验证所有单元格引用正确、检查范围是否存在差一错误、确保所有预测期间公式一致、用边界情况（零值、负数）测试、验证没有意外循环引用。硬编码文档要求：在单元格中注释或置于表旁（若在表尾），格式为 “Source: [System/Document], [Date], [Specific Reference], [URL if applicable]”，例如 “Source: Company 10-K, FY2024, Page 45, Revenue Note, [SEC EDGAR URL]”、“Source: Bloomberg Terminal, 8/15/2025, AAPL US Equity”。

【读取与分析数据】 可使用 pandas 进行数据分析、可视化和基本操作，示例代码为：import pandas as pd；df = pd.read_excel('file.xlsx') 读取第一个工作表；all_sheets = pd.read_excel('file.xlsx', sheet_name=None) 读取所有工作表为字典；df.head() 预览、df.info() 列信息、df.describe() 统计；df.to_excel('output.xlsx', index=False) 写出。

【Excel 文件工作流】 关键原则是使用公式而非硬编码值。应在 Python 中计算并硬编码结果的做法是错误的，正确做法是使用 Excel 公式，如 sheet['B10'] = '=SUM(B2:B9)'、sheet['C5'] = '=(C4-C2)/C2'、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变化时重新计算。 通用工作流：选择工具（数据处理用 pandas，公式/格式用 openpyxl）；创建或加载工作簿；修改数据、公式和格式；保存文件；如果使用公式则必须用 python scripts/recalc.py output.xlsx 重算；检查脚本返回的 JSON 错误详情，若 status 为 errors_found 则查看 error_summary 中的错误类型和位置，修复后再次重算。常见需修复错误包括 #REF!（无效单元格引用）、#DIV/0!（除零）、#VALUE!（公式中数据类型错误）、#NAME?（无法识别的公式名称）。

【创建与编辑】 创建新文件使用 openpyxl 的 Workbook、Font、PatternFill、Alignment，可添加数据、公式（如 sheet['B2'] = '=SUM(A1:A10)'）、格式、列宽等，最后 wb.save('output.xlsx')。编辑现有文件使用 load_workbook 以保留公式和格式，可遍历 wb.sheetnames、修改单元格、insert_rows、delete_cols、create_sheet，最后保存。

【重算公式】 openpyxl 创建或修改的 Excel 文件只包含公式字符串而不含计算值，需要用 scripts/recalc.py 重算：python scripts/recalc.py <excel_file> [timeout_seconds]，例如 python scripts/recalc.py output.xlsx 30。该脚本首次运行自动设置 LibreOffice 宏，重算所有工作表的所有公式，扫描所有单元格中的 Excel 错误，返回带详细错误位置和数量的 JSON，支持 Linux 和 macOS。前提是可假定已安装 LibreOffice，脚本首次运行会自动配置，包括在 Unix socket 受限的沙箱环境中（由 scripts/office/soffice.py 处理）。

【公式验证清单】 必要验证包括：测试 2-3 个样本引用，在构建完整模型前确认其取值正确；确认 Excel 列映射正确（如第 64 列是 BL 而非 BK）；注意 Excel 行从 1 开始索引（DataFrame 第 5 行 = Excel 第 6 行）。常见陷阱：用 pd.notna() 检查空值；FY 数据常在 50+ 列；搜索所有匹配项而非仅第一处；除法前检查分母；验证所有单元格引用指向预期单元格；跨工作表引用使用正确格式（Sheet1!A1）。公式测试策略：先在小范围测试再推广，验证公式引用的单元格均存在，测试零值、负数和极大值等边界情况。

【recalc.py 输出解读】 脚本返回 JSON，包含 status（success 或 errors_found）、total_errors（错误总数）、total_formulas（文件中的公式数量），仅在发现错误时包含 error_summary（按错误类型列出 count 和 locations，如 #REF! 的 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、公式和 Excel 特有功能。使用 openpyxl 时单元格索引从 1 开始；用 data_only=True 读取计算值，但需注意若以 data_only=True 打开并保存，公式会被值替换并永久丢失；大文件读取用 read_only=True、写入用 write_only=True；公式会被保留但不会求值，需用 scripts/recalc.py 更新值。使用 pandas 时指定数据类型避免推断问题（如 pd.read_excel('file.xlsx', dtype={'id': str})）；大文件读取指定列（如 usecols=['A','C','E']）；正确处理日期（如 parse_dates=['date_column']）。代码风格：生成 Excel 操作的 Python 代码时，编写最少、简洁的代码，不加多余注释，避免冗长变量名和冗余操作，避免不必要的 print 语句。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，为主要计算和模型部分添加说明。

【适用场景与限制】 适用场景涵盖数据分析、财务建模、Excel 文件创建与编辑等。限制方面：需假定已安装 LibreOffice 才能重算公式；使用 data_only=True 打开并保存会丢失公式；资料未提供具体安装命令、触发方式、收费模式或平台支持等信息，这些内容暂未提供。