输出要求
所有 Excel 文件
专业字体
- 除非用户另有要求，统一使用专业字体（如 Arial、Times New Roman）
公式错误为零
- 交付前必须无
#REF!/#DIV/0!/#VALUE!/#N/A/#NAME?
更新现有模板时
- 必须严格继承模板既有风格、结构与约定
- 不得把“统一标准样式”强压到已有模板上
- 模板既有规范优先级高于本文件默认建议
财务模型补充规范
颜色约定（用户或模板未指定时）
- 蓝字
(0,0,255)：可调输入/硬编码假设 - 黑字
(0,0,0)：公式计算 - 绿字
(0,128,0)：同工作簿跨表引用 - 红字
(255,0,0)：外部文件链接 - 黄底
(255,255,0)：关键假设或待更新单元格
数值格式
- 年份用文本显示：
"2024"（避免2,024） - 金额：
$#,##0，并在表头写明单位（如($mm)） - 零值显示为
-（含百分比） - 百分比默认
0.0% - 倍数默认
0.0x - 负数用括号
(123)，不用-123
公式构造
- 所有假设放在独立假设区单元格
- 公式用引用，不写硬编码常数
- 例：
=B5*(1+$B$6)，不要=B5*1.05
硬编码来源注释
对硬编码值写明来源（旁注/批注均可）：
Source: [System/Document], [Date], [Reference], [URL]
XLSX 创建、编辑与分析
概览
任务通常分为：
- 数据分析与清洗（优先 pandas）
- 公式、样式、结构化建模（优先 openpyxl）
- 回算与错误扫描（必须
scripts/recalc.py）
关键要求
若文件包含公式，交付前必须执行：
python scripts/recalc.py output.xlsx
说明：
openpyxl只写入公式字符串，不会计算结果scripts/recalc.py会调用 LibreOffice 回算并扫描错误- 沙箱环境由
scripts/office/soffice.py自动做兼容配置
读取与分析（pandas）
import pandas as pd
df = pd.read_excel("file.xlsx") # 首个 sheet
all_sheets = pd.read_excel("file.xlsx", sheet_name=None) # 全部 sheet
df.head()
df.info()
df.describe()
df.to_excel("output.xlsx", index=False)
核心原则：计算必须写在 Excel 公式里
不要先在 Python 里算完再把值写回去。
正确做法是把公式写入单元格，让工作簿可持续重算。
错误示例（禁止）
total = df["Sales"].sum()
sheet["B10"] = total
growth = (df.iloc[-1]["Revenue"] - df.iloc[0]["Revenue"]) / df.iloc[0]["Revenue"]
sheet["C5"] = growth
正确示例
sheet["B10"] = "=SUM(B2:B9)"
sheet["C5"] = "=(C4-C2)/C2"
sheet["D20"] = "=AVERAGE(D2:D19)"
通用工作流
- 选工具：数据处理用
pandas，公式/格式用openpyxl - 新建或加载工作簿
- 修改数据、公式、样式
- 保存文件
- 若含公式，必须执行
scripts/recalc.py - 读取 JSON 报告，修复错误后再次回算，直到零错误
常见错误：
#REF!：引用失效#DIV/0!：分母为零#VALUE!：类型不匹配#NAME?：函数名或命名范围不识别
新建文件（openpyxl）
from openpyxl import Workbook
from openpyxl.styles import Font, PatternFill, Alignment
wb = Workbook()
sheet = wb.active
sheet["A1"] = "Hello"
sheet["B1"] = "World"
sheet.append(["Row", "of", "data"])
sheet["B2"] = "=SUM(A1:A10)"
sheet["A1"].font = Font(bold=True, color="FF0000")
sheet["A1"].fill = PatternFill("solid", start_color="FFFF00")
sheet["A1"].alignment = Alignment(horizontal="center")
sheet.column_dimensions["A"].width = 20
wb.save("output.xlsx")
编辑现有文件（openpyxl）
from openpyxl import load_workbook
wb = load_workbook("existing.xlsx")
sheet = wb.active
for sheet_name in wb.sheetnames:
s = wb[sheet_name]
print(sheet_name)
sheet["A1"] = "New Value"
sheet.insert_rows(2)
sheet.delete_cols(3)
new_sheet = wb.create_sheet("NewSheet")
new_sheet["A1"] = "Data"
wb.save("modified.xlsx")
公式回算与结果校验
python scripts/recalc.py <excel_file> [timeout_seconds]
python scripts/recalc.py output.xlsx 30
脚本输出 JSON，核心字段示例：
{
"status": "success",
"total_errors": 0,
"total_formulas": 42,
"error_summary": {
"#REF!": {
"count": 2,
"locations": ["Sheet1!B5", "Sheet1!C10"]
}
}
}
公式检查清单
- 先抽查 2-3 个关键引用是否正确
- 检查列号映射（例如 BL/BK 易错）
- 注意 Excel 行列是 1-based
- 处理空值
NaN - 远端列（50+ 列）不要漏
- 跨表引用格式正确（
Sheet1!A1） - 避免分母为 0
- 先小范围试算，再全量铺公式
最佳实践
工具选择
pandas：批量数据处理、分析、导出openpyxl：公式、样式、工作簿结构控制
openpyxl 注意事项
- 单元格索引是 1-based
data_only=True可读计算值，但保存后会丢公式（高风险）- 大文件可用
read_only=True/write_only=True - 公式不会自动计算，必须跑
scripts/recalc.py
pandas 注意事项
- 显式指定 dtype，避免推断错误
- 大文件按列读取减少内存
- 日期列用
parse_dates明确解析
代码风格
- 生成 Python 代码应简洁、最小化
- 不写多余打印和冗长注释
- 对复杂公式、关键假设、硬编码来源要在工作簿内留注释