该技能用于创建、编辑和分析 .xlsx 文件，覆盖公式、格式设置、数据分析与可视化，适用于 Claude 需要处理电子表格的场景。
用途：创建、编辑或分析 .xlsx 文件内容。不同任务可使用不同工具与工作流。
输出要求
所有 Excel 文件必须做到零公式错误，不允许出现 #REF!、#DIV/0!、#VALUE!、#N/A、#NAME? 等错误。
更新模板时须保留既有模板：研究并精确匹配现有格式、样式与约定，不得将标准化格式强加于已有既定模式的文件的；当用户或既有模板另有规定时，模板约定始终优先于本文指南。
财务模型
颜色编码标准（除非用户或既有模板另有说明）：蓝色文本（RGB: 0,0,255）为硬编码输入及用户会随情景更改的数字；黑色文本（RGB: 0,0,0）为所有公式与计算；绿色文本（RGB: 0,128,0）为同一工作簿内其他工作表的链接；红色文本（RGB: 255,0,0）为指向其他文件的外部链接；黄色背景（RGB: 255,255,0）为需要注意的关键假设或需更新的单元格。
数字格式标准：年份格式化为文本字符串（如 “2024” 而非 “2,024”）；货币使用 $#,##0 格式，并始终在表头标明单位（如 “Revenue ($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 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，如 (123) 而非 -123。
公式构建规则：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；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。防止公式错误：验证所有单元格引用正确；检查区域是否存在差一错误；确保所有预测期公式一致；用边界情况（零值、负数）测试；验证没有意外循环引用。硬编码需附文档：在单元格内或旁（若位于表格末尾）以注释或单元格说明，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]”等。
使用方式
读取与分析数据：数据分析、可视化与基础操作可使用 pandas。示例：import pandas as pd；df = pd.read_excel('file.xlsx') 读取第一个工作表；pd.read_excel('file.xlsx', sheet_name=None) 读取所有工作表为字典；df.head()、df.info()、df.describe() 用于预览、列信息与统计；df.to_excel('output.xlsx', index=False) 写出。
创建或编辑文件的关键原则：始终使用 Excel 公式而非在 Python 中计算后硬编码，以保证表格动态可更新。正确做法如 sheet['B10'] = '=SUM(B2:B9)'、sheet['C5'] = '=(C4-C2)/C2'、sheet['D20'] = '=AVERAGE(D2:D19)'。
常见工作流：选择工具（数据用 pandas，公式/格式用 openpyxl）→ 创建或加载（新建工作簿或加载现有文件）→ 修改（增改数据、公式与格式）→ 保存 → 若使用公式则必须重新计算，运行 python recalc.py output.xlsx → 验证并修复错误。脚本返回含错误详情的 JSON；若状态为 errors_found，查看 error_summary 中的错误类型与位置，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）。
创建新文件：使用 openpyxl 的 Workbook，可写入数据、公式（如 sheet['B2'] = '=SUM(A1:A10)'）、格式（字体、填充、对齐）与列宽，然后 wb.save('output.xlsx')。
编辑现有文件：使用 load_workbook 保留公式与格式；可按名称访问工作表、遍历 wb.sheetnames、修改单元格、插入行、删除列、创建新工作表，最后保存。
重新计算公式：openpyxl 创建或修改的文件中公式以字符串存在但无计算值，须用 recalc.py 重算，命令为 python recalc.py <excel_file> [timeout_seconds]，例如 python recalc.py output.xlsx 30。脚本首次运行会自动配置 LibreOffice 宏，重算所有工作表公式，扫描所有单元格中的 Excel 错误，返回含详细错误位置与数量的 JSON，支持 Linux 与 macOS。
公式验证清单：构建完整模型前先测试 2-3 个样本引用是否正确取值；确认 Excel 列映射（如第 64 列是 BL 而非 BK）；注意 Excel 行从 1 开始（DataFrame 第 5 行对应 Excel 第 6 行）；用 pd.notna() 检查空值；注意 FY 数据常在 50 列以后；搜索所有匹配项而非仅第一处；使用除法前检查分母以防 #DIV/0!；验证所有引用指向目标单元格以防 #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）测试公式，验证公式引用的所有单元格存在，测试零、负数和极大值等边界情况。
recalc.py 输出解读：返回 JSON，包含 status（success 或 errors_found）、total_errors、total_formulas，若发现错误还有 error_summary（如 “#REF!”: {"count": 2, "locations": ["Sheet1!B5", "Sheet1!C10"]}）。
最佳实践
库的选择：pandas 最适合数据分析、批量操作与简单数据导出；openpyxl 最适合复杂格式、公式与 Excel 专有功能。
使用 openpyxl 时：单元格索引从 1 开始；用 data_only=True 读取计算值，但注意以该模式打开并保存会用值替换公式并永久丢失公式；大文件读取用 read_only=True、写入用 write_only=True；公式会被保留但不求值，需用 recalc.py 更新值。
使用 pandas 时：指定数据类型避免推断问题（如 dtype={'id': str}）；大文件只读特定列（usecols=['A', 'C', 'E']）；正确处理日期（parse_dates=['date_column']）。
代码风格：生成 Excel 操作的 Python 代码时，写最少、简洁的代码，避免不必要注释、冗长变量名、冗余操作与多余 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，记录硬编码值的来源，并为关键计算和模型部分添加说明。
限制与前置条件：需要 LibreOffice 用于公式重算（脚本首次运行会自动配置）；若以 data_only=True 打开并保存，公式会被值替换并永久丢失；使用公式后必须运行 recalc.py 验证。