输出要求

所有Excel文件

专业字体

• 除非用户另有指示，所有交付物均使用一致的专业字体（例如Arial、Times New Roman）

零公式错误

• 每个Excel模型交付时必须确保零公式错误（#REF!、#DIV/0!、#VALUE!、#N/A、#NAME?）

保留现有模板（更新模板时）

• 修改文件时，研究并完全匹配现有的格式、样式和惯例
• 切勿对具有既定模式的文件强加标准化格式
• 现有模板惯例始终优先于本指南

财务模型

颜色编码标准

除非用户或现有模板另有说明

行业标准颜色惯例

• 蓝色文本（RGB：0,0,255）：硬编码输入，以及用户将根据情景更改的数字
• 黑色文本（RGB：0,0,0）：所有公式和计算
• 绿色文本（RGB：0,128,0）：从同一工作簿内其他工作表提取的链接
• 红色文本（RGB：255,0,0）：指向其他文件的外部链接
• 黄色背景（RGB：255,255,0）：需要注意的关键假设或需要更新的单元格

数字格式标准

必需格式规则

• 年份：格式化为文本字符串（例如："2024"，而非"2,024"）
• 货币：使用 $#,##0 格式；务必在标题中指定单位（"收入（百万美元）"）
• 零值：使用数字格式将所有零值显示为"-"，包括百分比（例如："$#,##0;($#,##0);-"）
• 百分比：默认使用 0.0% 格式（一位小数）
• 倍数：估值倍数（企业价值/息税折旧摊销前利润、市盈率）格式化为 0.0x
• 负数：使用括号 (123)，而非减号 -123

公式构建规则

假设项放置

• 将所有假设项（增长率、利润率、倍数等）置于独立的假设单元格中
• 在公式中使用单元格引用，而非硬编码数值
• 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正确
• 检查范围引用是否存在差一错误
• 确保所有预测期间的公式保持一致
• 使用边界情况（零值、负数）进行测试
• 确认无意外循环引用

硬编码的文档要求

• 在单元格旁注释或标注（若位于表格末尾）。格式为："来源：[系统/文件]，[日期]，[具体参考信息]，[若适用则附URL]"
• 示例：
  • "来源：公司10-K年报，2024财年，第45页，收入说明，[SEC EDGAR URL]"
  • "来源：公司10-Q季报，2025年第二季度，附件99.1，[SEC EDGAR URL]"
  • "来源：彭博终端，2025年8月15日，AAPL US Equity"
  • "来源：FactSet，2025年8月20日，共识预期筛选"

XLSX文件的创建、编辑与分析

概述

用户可能会要求您创建、编辑或分析.xlsx文件的内容。针对不同的任务，您可以使用不同的工具和工作流程。

重要要求

公式重算需要LibreOffice：您可以假设已安装LibreOffice，以便使用scripts/recalc.py脚本来重新计算公式值。该脚本在首次运行时会自动配置LibreOffice，包括在Unix套接字受限的沙盒环境中（由scripts/office/soffice.py处理）

读取与分析数据

使用pandas进行数据分析

对于数据分析、可视化和基本操作，请使用pandas，它提供了强大的数据处理能力：

import pandas as pd

# Read Excel
df = pd.read_excel('file.xlsx')  # Default: first sheet
all_sheets = pd.read_excel('file.xlsx', sheet_name=None)  # All sheets as dict

# Analyze
df.head()      # Preview data
df.info()      # Column info
df.describe()  # Statistics

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

Excel文件工作流程

关键：使用公式，而非硬编码值

始终使用Excel公式，而不是在Python中计算值并硬编码。这能确保电子表格保持动态性和可更新性。

❌ 错误 - 硬编码计算值

# Bad: Calculating in Python and hardcoding result
total = df['Sales'].sum()
sheet['B10'] = total  # Hardcodes 5000

# Bad: Computing growth rate in Python
growth = (df.iloc[-1]['Revenue'] - df.iloc[0]['Revenue']) / df.iloc[0]['Revenue']
sheet['C5'] = growth  # Hardcodes 0.15

# Bad: Python calculation for average
avg = sum(values) / len(values)
sheet['D20'] = avg  # Hardcodes 42.5

✅ 正确 - 使用Excel公式

# Good: Let Excel calculate the sum
sheet['B10'] = '=SUM(B2:B9)'

# Good: Growth rate as Excel formula
sheet['C5'] = '=(C4-C2)/C2'

# Good: Average using Excel function
sheet['D20'] = '=AVERAGE(D2:D19)'

这适用于所有计算 - 总计、百分比、比率、差异等。当源数据变化时，电子表格应能重新计算。

常见工作流程

1. 选择工具: 数据处理用pandas，公式/格式用openpyxl
2. 创建/加载: 创建新工作簿或加载现有文件
3. 修改: 添加/编辑数据、公式和格式
4. 保存: 写入文件
5. 重新计算公式（如果使用公式，则必须执行）: 使用 scripts/recalc.py 脚本

   python scripts/recalc.py output.xlsx
   

6. 验证并修复任何错误:
   • 该脚本返回包含错误详情的JSON
   • 如果状态是发现错误，请检查错误摘要以了解具体的错误类型和位置
   • 修复已识别的错误并重新计算
   • 常见需要修复的错误：
     • #REF!：无效的单元格引用
     • #DIV/0!：除零错误
     • #VALUE!：公式中存在错误的数据类型
     • #NAME?：无法识别的公式名称

创建新的Excel文件

# Using openpyxl for formulas and formatting
from openpyxl import Workbook
from openpyxl.styles import Font, PatternFill, Alignment

wb = Workbook()
sheet = wb.active

# Add data
sheet['A1'] = 'Hello'
sheet['B1'] = 'World'
sheet.append(['Row', 'of', 'data'])

# Add formula
sheet['B2'] = '=SUM(A1:A10)'

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

# Column width
sheet.column_dimensions['A'].width = 20

wb.save('output.xlsx')

编辑现有的Excel文件

# Using openpyxl to preserve formulas and formatting
from openpyxl import load_workbook

# Load existing file
wb = load_workbook('existing.xlsx')
sheet = wb.active  # or wb['SheetName'] for specific sheet

# Working with multiple sheets
for sheet_name in wb.sheetnames:
    sheet = wb[sheet_name]
    print(f"Sheet: {sheet_name}")

# Modify cells
sheet['A1'] = 'New Value'
sheet.insert_rows(2)  # Insert row at position 2
sheet.delete_cols(3)  # Delete column 3

# Add new sheet
new_sheet = wb.create_sheet('NewSheet')
new_sheet['A1'] = 'Data'

wb.save('modified.xlsx')

重新计算公式

由openpyxl创建或修改的Excel文件包含公式字符串，但不包含计算值。请使用提供的scripts/recalc.py脚本来重新计算公式：

python scripts/recalc.py <excel_file> [timeout_seconds]

示例：

python scripts/recalc.py output.xlsx 30

脚本：

• 首次运行时自动设置 LibreOffice 宏
• 重新计算所有工作表中的所有公式
• 扫描所有单元格中的 Excel 错误（#REF!、#DIV/0! 等）
• 返回包含详细错误位置和数量的 JSON
• 适用于 Linux 和 macOS

公式验证清单

快速检查以确保公式正常工作：

基本验证

• 测试 2-3 个示例引用：在构建完整模型之前，验证它们是否提取了正确的值
• 列映射：确认 Excel 列匹配（例如，第 64 列 = BL，不是 BK）
• 行偏移：记住 Excel 行是从 1 开始索引的（DataFrame 第 5 行 = Excel 第 6 行）

常见陷阱

• NaN 处理：使用以下方法检查空值pd.notna()
• 最右侧列FY数据通常在50+列
• 多重匹配：搜索所有出现项，而不仅仅是第一个
• 除以零：使用前检查分母/在公式中（#DIV/0!）
• 错误的引用：验证所有单元格引用是否指向预期单元格（#REF!）
• 跨工作表引用：使用正确的格式（Sheet1!A1）来链接工作表

公式测试策略

• 从小处开始：在广泛应用前先在2-3个单元格上测试公式
• 验证依赖关系：检查公式中引用的所有单元格是否存在
• 测试边界情况：包括零、负值和非常大的值

解释脚本/recalc.py 输出

该脚本返回包含错误详情的JSON：

{
  "status": "success",           // or "errors_found"
  "total_errors": 0,              // Total error count
  "total_formulas": 42,           // Number of formulas in file
  "error_summary": {              // Only present if errors found
    "#REF!": {
      "count": 2,
      "locations": ["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：最适合复杂格式设置、公式和Excel特定功能

使用openpyxl

• 单元格索引从1开始（行=1，列=1 指的是单元格A1）
• 使用data_only=True读取计算值：load_workbook('file.xlsx', data_only=True)
• 警告：如果用data_only=True打开并保存，公式将被值替换并永久丢失
• 对于大文件：使用read_only=True读取或write_only=True写入
• 公式被保留但不被计算 - 使用 scripts/recalc.py 更新值

使用pandas

• 指定数据类型以避免推断问题：pd.read_excel('file.xlsx', dtype={'id': str})
• 对于大型文件，读取特定列：pd.read_excel('file.xlsx', usecols=['A', 'C', 'E'])
• 正确处理日期：pd.read_excel('file.xlsx', parse_dates=['date_column'])

代码风格指南

重要提示：为Excel操作生成Python代码时：

• 编写简洁、精炼的Python代码，避免不必要的注释
• 避免冗长的变量名和冗余操作
• 避免不必要的打印语句

对于Excel文件本身：

• 对包含复杂公式或重要假设的单元格添加注释
• 记录硬编码值的数据来源
• 为关键计算和模型部分添加说明