输出要求

所有 Excel 文件

专业字体

• 除非用户另有指示，否则所有交付物须统一使用专业字体（例如 Arial、Times New Roman）

零公式错误

• 每个 Excel 模型交付时必须确保**无任何公式错误**（#REF!、#DIV/0!、#VALUE!、#N/A、#NAME?）

保留现有模板（更新模板时）

• 修改文件时，须深入研究并**严格匹配**现有格式、样式与约定
• 不得对已有固定模式的文件强行施加标准化格式
• **现有模板约定始终优先于本指南中的通用规则**

财务模型

颜色编码标准

除非用户或现有模板另有说明

行业通用颜色规范

• 蓝色文字（RGB：0,0,255）：硬编码输入值，即用户将用于不同情景分析而手动修改的数值
• 黑色文字（RGB：0,0,0）：所有公式与计算逻辑
• 绿色文字（RGB：0,128,0）：链接至同一工作簿内其他工作表的数据引用
• 红色文字（RGB：255,0,0）：链接至外部文件（跨文件引用）
• 黄色背景（RGB：255,255,0）：需重点关注的关键假设，或需人工更新的单元格

数字格式标准

必需格式规则

• 年份：统一格式化为文本字符串（例如 "2024"，而非 "2,024"）
• 货币：使用 $#,##0 格式；**标题中必须明确标注单位**（如 "Revenue ($mm)"）
• 零值：通过数字格式将所有零显示为 "-"，包括百分比（例如 "$#,##0;($#,##0);-"）
• 百分比：默认采用 0.0% 格式（保留一位小数）
• 倍数：估值倍数（如 EV/EBITDA、P/E）统一格式化为 0.0x
• 负数：统一用括号表示（如 (123)），而非减号前缀（-123）

公式构建规则

假设值存放位置

• 所有假设值（增长率、利润率、倍数等）必须存放在**独立的假设单元格中**
• 公式中应使用**单元格引用**，禁止直接嵌入硬编码数值
• 示例：使用 =B5*(1+$B$6)，而非 =B5*1.05

公式错误预防

• 验证所有单元格引用是否准确无误
• 检查区域范围是否存在“差一错误”（off-by-one errors）
• 确保所有预测期间的公式保持一致
• 使用边界值（零值、负数）进行测试
• 确认不存在意外的循环引用

硬编码值的文档要求

• 须在对应单元格旁添加注释（若处于表格末尾，则置于右侧相邻单元格）。格式为：
  "Source: [System/Document], [Date], [Specific Reference], [URL if applicable]"
• 示例：
  • "Source: Company 10-K, FY2024, Page 45, Revenue Note, [SEC EDGAR URL]"
  • "Source: Company 10-Q, Q2 2025, Exhibit 99.1, [SEC EDGAR URL]"
  • "Source: Bloomberg Terminal, 8/15/2025, AAPL US Equity"
  • "Source: FactSet, 8/20/2025, Consensus Estimates Screen"

XLSX 创建、编辑与分析

概述

用户可能要求你创建、编辑或分析 .xlsx 文件的内容。针对不同任务，你可选用不同的工具与工作流。

重要要求

公式重算需依赖 LibreOffice：可默认系统已安装 LibreOffice，并可通过 scripts/recalc.py 脚本执行公式重算。该脚本首次运行时会自动完成 LibreOffice 配置，包括在 Unix socket 受限的沙箱环境中（由 scripts/office/soffice.py 处理）。

数据读取与分析

使用 pandas 进行数据分析

对于数据分析、可视化及基础操作，请使用 pandas——其提供强大的数据处理能力：

import pandas as pd

# 读取 Excel
df = pd.read_excel('file.xlsx')  # 默认读取第一个工作表
all_sheets = pd.read_excel('file.xlsx', sheet_name=None)  # 以字典形式读取全部工作表

# 分析
df.head()      # 预览数据
df.info()      # 列信息
df.describe()  # 统计摘要

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

Excel 文件工作流

关键原则：使用公式，而非硬编码值

务必使用 Excel 公式，切勿在 Python 中完成计算后将结果硬编码写入单元格。此举确保电子表格具备动态性与可更新性。

❌ 错误做法 —— 硬编码计算结果

# 错误：在 Python 中计算后硬编码结果
total = df['Sales'].sum()
sheet['B10'] = total  # 硬编码为 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  # 硬编码为 0.15

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

✅ 正确做法 —— 使用 Excel 公式

# 正确：交由 Excel 计算求和
sheet['B10'] = '=SUM(B2:B9)'

# 正确：增长率作为 Excel 公式
sheet['C5'] = '=(C4-C2)/C2'

# 正确：使用 Excel 函数计算平均值
sheet['D20'] = '=AVERAGE(D2:D19)'

该原则适用于**所有计算场景**——包括合计、百分比、比率、差值等。当源数据变动时，电子表格应能自动重新计算。

通用工作流

1. 选择工具：数据处理用 pandas；公式与格式设置用 openpyxl
2. 创建/加载：新建工作簿或加载已有文件
3. 修改：增删改数据、公式与格式
4. 保存：写入文件
5. 公式重算（如使用公式则为强制步骤）：运行 scripts/recalc.py 脚本

   python scripts/recalc.py output.xlsx
   

6. 校验与修复错误：
   • 脚本返回 JSON 格式的错误详情
   • 若 status 字段为 errors_found，请查阅 error_summary 获取具体错误类型与位置
   • 修复已识别错误后，再次运行重算脚本
   • 常见需修复的错误：
     • #REF!：无效的单元格引用
     • #DIV/0!：除零错误
     • #VALUE!：公式中数据类型不匹配
     • #NAME?：公式名称无法识别

新建 Excel 文件

# 使用 openpyxl 处理公式与格式
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)'

# 格式设置
sheet['A1'].font = Font(bold=True, color='FF0000')
sheet['A1'].fill = PatternFill('solid', start_color='FFFF00')
sheet['A1'].alignment = Alignment(horizontal='center')

# 设置列宽
sheet.column_dimensions['A'].width = 20

wb.save('output.xlsx')

编辑现有 Excel 文件

# 使用 openpyxl 以保留原有公式与格式
from openpyxl import load_workbook

# 加载已有文件
wb = load_workbook('existing.xlsx')
sheet = wb.active  # 或使用 wb['SheetName'] 指定工作表

# 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)  # 在第 2 行插入新行
sheet.delete_cols(3)  # 删除第 3 列

# 新建工作表
new_sheet = wb.create_sheet('NewSheet')
new_sheet['A1'] = 'Data'

wb.save('modified.xlsx')

公式重算

由 openpyxl 创建或修改的 Excel 文件仅包含公式字符串，不含计算结果。请使用提供的 scripts/recalc.py 脚本执行公式重算：

python scripts/recalc.py  [timeout_seconds]

示例：

python scripts/recalc.py output.xlsx 30

该脚本功能包括：

• 首次运行时自动配置 LibreOffice 宏环境
• 重算所有工作表中的全部公式
• 扫描**所有单元格**，识别 Excel 错误（#REF!、#DIV/0! 等）
• 返回含详细错误位置与数量的 JSON 结果
• 兼容 Linux 与 macOS 系统

公式校验清单

快速检查以确保公式正确运行：

核心校验项

• 抽样测试 2–3 个引用：在构建完整模型前，先验证其是否提取正确数值
• 列映射核对：确认 Excel 列号与字母对应关系（如第 64 列 = BL，非 BK）
• 行偏移注意：Excel 行号从 1 开始（DataFrame 第 5 行 = Excel 第 6 行）

常见陷阱

• NaN 值处理：使用 pd.notna() 检查空值
• 最右列数据：FY 数据常位于第 50 列及以上
• 多重匹配：搜索需覆盖全部匹配项，不可仅取首个
• 除零风险：公式中使用 / 前需验证分母非零（避免 #DIV/0!）
• 引用错误：确认所有单元格引用指向目标单元格（避免 #REF!）
• 跨表引用：链接工作表时须使用正确格式（如 Sheet1!A1）

公式测试策略

• 从小处着手：先在 2–3 个单元格上测试公式，再推广至全表
• 验证依赖项：确保公式中引用的所有单元格均存在
• 边界值测试：覆盖零值、负数及极大数值等场景

scripts/recalc.py 输出解析

脚本返回含错误详情的 JSON：

{
  "status": "success",           // 或 "errors_found"
  "total_errors": 0,              // 错误总数
  "total_formulas": 42,           // 文件中公式总数
  "error_summary": {              // 仅当发现错误时存在
    "#REF!": {
      "count": 2,
      "locations": ["Sheet1!B5", "Sheet1!C10"]
    }
  }
}

最佳实践

库选型建议

• pandas：适用于数据分析、批量操作及简单导出
• openpyxl：适用于复杂格式控制、公式编写及 Excel 特有功能

openpyxl 使用要点

• 单元格索引基于 1（row=1, column=1 对应 A1 单元格）
• 使用 data_only=True 可读取计算结果：load_workbook('file.xlsx', data_only=True)
• 警告：若以 data_only=True 打开并保存文件，公式将被永久替换为数值
• 处理大文件时：读取用 read_only=True，写入用 write_only=True
• 公式会被保留但不会自动计算——需调用 scripts/recalc.py 更新数值

pandas 使用要点

• 显式指定数据类型以避免推断错误：pd.read_excel('file.xlsx', dtype={'id': str})
• 处理大文件时，按需读取特定列：pd.read_excel('file.xlsx', usecols=['A', 'C', 'E'])
• 正确解析日期：pd.read_excel('file.xlsx', parse_dates=['date_column'])

代码风格指南

重要提示：生成用于 Excel 操作的 Python 代码时，请遵守以下规范：

• 编写简洁、最小化的代码，避免冗余注释
• 避免使用冗长变量名与重复操作
• 避免不必要的 print 语句

针对 Excel 文件本身：

• 为含复杂公式或关键假设的单元格添加注释
• 为硬编码值注明数据来源
• 为关键计算与模型模块添加说明性备注