---

name: xlsx-official description: "除非用户或现有模板另有说明" risk: unknown source: community date_added: "2026-02-27"

输出要求

所有 Excel 文件

零公式错误

• 每个 Excel 模型必须交付时零公式错误（#REF!、#DIV/0!、#VALUE!、#N/A、#NAME?）

保留现有模板（更新模板时）

• 修改文件时研究并精确匹配现有格式、样式和约定
• 不要对已有既定模式的文件强加标准化格式
• 现有模板约定始终优先于这些指南

财务模型

颜色编码标准

除非用户或现有模板另有说明

行业标准颜色约定

• 蓝色文本（RGB: 0,0,255）：硬编码输入，以及用户将为场景更改的数字
• 黑色文本（RGB: 0,0,0）：所有公式和计算
• 绿色文本（RGB: 0,128,0）：从同一工作簿中其他工作表拉取的链接
• 红色文本（RGB: 255,0,0）：到其他文件的外部链接
• 黄色背景（RGB: 255,255,0）：需要关注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 $#,##0 格式；始终在标题中指定单位（"Revenue ($mm)"）
• 零值：使用数字格式使所有零显示为 "-"，包括百分比（例如 "$#,##0;($#,##0);-"）
• 百分比：默认为 0.0% 格式（一位小数）
• 倍数：估值倍数格式为 0.0x（EV/EBITDA、P/E）
• 负数：使用括号 (123) 而非减号 -123

公式构建规则

假设放置

• 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
• 在公式中使用单元格引用而非硬编码值
• 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正确
• 检查范围中的偏移错误
• 确保所有预测期间公式一致
• 使用边界情况测试（零值、负数）
• 验证无意外循环引用

硬编码文档要求

• 在旁边的单元格中注释或标注（如在表格末尾）。格式："Source: [系统/文档], [日期], [具体引用], [URL（如适用）]"
• 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、编辑和分析

概述

用户可能要求你创建、编辑或分析 .xlsx 文件的内容。你有不同的工具和工作流可用于不同的任务。

重要要求

公式重新计算需要 LibreOffice：可以假设已安装 LibreOffice

读取和分析数据

使用 pandas 进行数据分析

对于数据分析、可视化和基本操作，使用 pandas 提供强大的数据操作能力：

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

关键：使用公式，而非硬编码值

始终使用 Excel 公式而非在 Python 中计算值后硬编码。 这确保电子表格保持动态和可更新。

错误做法 - 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

正确做法 - 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、差值等。电子表格应该能在源数据更改时重新计算。

通用工作流

1. 选择工具：pandas 用于数据，openpyxl 用于公式/格式
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（必须）：使用 LibreOffice 重新计算