xlsx

輸出需求

所有 Excel 檔案

專業字型

• 除非使用者另有指示，否則所有交付物應使用一致且專業的字型（例如 Arial、Times New Roman）

零公式錯誤

• 每個 Excel 模型必須以零公式錯誤（#REF!、#DIV/0!、#VALUE!、#N/A、#NAME?）交付

保留現有範本（更新範本時）

• 修改檔案時，研究並完全比對現有格式、樣式和慣例
• 切勿對已有既定模式的檔案強加標準化格式
• 現有範本慣例一律優先於這些指南

財務模型

顏色編碼標準

除非使用者或現有範本另有說明

業界標準顏色慣例

• 藍色文字（RGB: 0,0,255）：手動輸入的資料，以及使用者會為情境變更的數字
• 黑色文字（RGB: 0,0,0）：所有公式和計算
• 綠色文字（RGB: 0,128,0）：從同一活頁簿內其他工作表連結的資料
• 紅色文字（RGB: 255,0,0）：指向其他檔案的外部連結
• 黃色背景（RGB: 255,255,0）：需要注意的關鍵假設或需要更新的儲存格

數字格式標準

必要格式規則

• 年份：格式化為文字字串（例如 "2024" 而非 "2,024"）
• 貨幣：使用 $#,##0 格式；務必在標題中指定單位（"Revenue ($mm)"）
• 零值：使用數字格式讓所有零值顯示為 "-"，包括百分比（例如 "$#,##0;($#,##0);-"）
• 百分比：預設為 0.0% 格式（小數點後一位）
• 倍數：估值倍數（EV/EBITDA、P/E）格式化為 0.0x
• 負數：使用括號 (123) 而非減號 -123

公式建構規則

假設放置

• 將所有假設（成長率、利潤率、倍數等）放在獨立的假設儲存格中
• 在公式中使用儲存格參照而非手動輸入的值
• 範例：使用 =B5*(1+$B$6) 而非 =B5*1.05

公式錯誤預防

• 驗證所有儲存格參照是否正確
• 檢查範圍中是否有差一錯誤
• 確保所有預測期間的公式一致
• 測試邊界情況（零值、負數）
• 確認沒有非預期的循環參照

手動輸入值的文件要求

• 在儲存格旁（若為表格結尾）加上註解。格式：「來源：[系統/文件]，[日期]，[具體參考]，[URL 若適用]」
• 範例：
  • 「來源：Company 10-K, FY2024, Page 45, Revenue Note, [SEC EDGAR URL]」
  • 「來源：Company 10-Q, Q2 2025, Exhibit 99.1, [SEC EDGAR URL]」
  • 「來源：Bloomberg Terminal, 8/15/2025, AAPL US Equity」
  • 「來源：FactSet, 8/20/2025, Consensus Estimates Screen」

XLSX 建立、編輯與分析

概述

使用者可能要求您建立、編輯或分析 .xlsx 檔案的內容。針對不同任務，您有不同工具和工作流程可用。

重要需求

需要 LibreOffice 進行公式重新計算：您可以假設已安裝 LibreOffice，可使用 scripts/recalc.py 腳本重新計算公式值。該腳本會在首次執行時自動配置 LibreOffice，包括在限制 Unix socket 的沙箱環境中（由 scripts/office/soffice.py 處理）

讀取與分析資料

使用 pandas 進行資料分析

對於資料分析、視覺化和基本操作，請使用 pandas，它提供強大的資料處理能力：

import pandas as pd

# 讀取 Excel
df = pd.read_excel('file.xlsx')  # 預設：第一個工作表
all_sheets = pd.read_excel('file.xlsx', sheet_name=None)  # 所有工作表以字典形式

# 分析
df.head()      # 預覽資料
df.info()      # 欄位資訊
df.describe()  # 統計資料

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

Excel 檔案工作流程

關鍵：使用公式，而非手動輸入的值

務必使用 Excel 公式，而非在 Python 中計算值後手動輸入。 這確保試算表保持動態且可更新。

❌ 錯誤 - 手動輸入計算值

# 不好：在 Python 中計算並手動輸入結果
total = df['Sales'].sum()
sheet['B10'] = total  # 手動輸入 5000

# 不好：在 Python 中計算成長率
growth = (df.iloc[-1]['Revenue'] - df.iloc[0]['Revenue']) / df.iloc[0]['Revenue']
sheet['C5'] = growth  # 手動輸入 0.15

# 不好：Python 計算平均值
avg = sum(values) / len(values)
sheet['D20'] = avg  # 手動輸入 42.5

✅ 正確 - 使用 Excel 公式

# 好：讓 Excel 計算總和
sheet['B10'] = '=SUM(B2:B9)'

# 好：成長率作為 Excel 公式
sheet['C5'] = '=(C4-C2)/C2'

# 好：使用 Excel 函數計算平均值
sheet['D20'] = '=AVERAGE(D2:D19)'

這適用於所有計算 - 總計、百分比、比率、差異等。試算表應能在來源資料變更時重新計算。

常見工作流程

1. 選擇工具：資料分析用 pandas，公式/格式化用 openpyxl
2. 建立/載入：建立新活頁簿或載入現有檔案
3. 修改：新增/編輯資料、公式和格式
4. 儲存：寫入檔案
5. 重新計算公式（若使用公式則強制執行）：使用 scripts/recalc.py 腳本

   python scripts/recalc.py output.xlsx
   

6. 驗證並修復任何錯誤：
   • 腳本會傳回包含錯誤詳細資訊的 JSON
   • 如果 status 是 errors_found，請檢查 error_summary 以了解特定錯誤類型和位置
   • 修復識別出的錯誤並再次重新計算
   • 常見需修復的錯誤：
     • #REF!：無效的儲存格參照
     • #DIV/0!：除以零
     • #VALUE!：公式中資料類型錯誤
     • #NAME?：無法辨識的公式名稱

建立新的 Excel 檔案

# 使用 openpyxl 處理公式和格式化
from openpyxl import Workbook
from openpyxl.styles import Font, PatternFill, Alignment

wb = Workbook()
sheet = wb.active

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

# 新增公式
sheet['B2'] = '=SUM(A1:A10)'

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

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

wb.save('output.xlsx')

編輯現有 Excel 檔案

# 使用 openpyxl 保留公式和格式化
from openpyxl import load_workbook

# 載入現有檔案
wb = load_workbook('existing.xlsx')
sheet = wb.active  # 或 wb['SheetName'] 指定工作表

# 處理多個工作表
for sheet_name in wb.sheetnames:
    sheet = wb[sheet_name]
    print(f"Sheet: {sheet_name}")

# 修改儲存格
sheet['A1'] = 'New Value'
sheet.insert_rows(2)  # 在第 2 列插入列
sheet.delete_cols(3)  # 刪除第 3 欄

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

wb.save('modified.xlsx')

重新計算公式

由 openpyxl 建立或修改的 Excel 檔案包含公式字串，但未包含計算值。使用提供的 scripts/recalc.py 腳本重新計算公式：

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

範例：

python scripts/recalc.py output.xlsx 30

該腳本：

• 首次執行時自動設定 LibreOffice 巨集
• 重新計算所有工作表中的所有公式
• 掃描所有儲存格以找出 Excel 錯誤（#REF!、#DIV/0! 等）
• 傳回包含詳細錯誤位置和計數的 JSON
• 可在 Linux 和 macOS 上運作

公式驗證檢查清單

快速檢查以確保公式正確運作：

基本驗證

• [ ] 測試 2-3 個範例參照：在建立完整模型前，確認它們提取正確的值
• [ ] 欄位對應：確認 Excel 欄位相符（例如，第 64 欄 = BL，而非 BK）
• [ ] 列偏移：記住 Excel 列是從 1 開始索引（DataFrame 第 5 列 = Excel 第 6 列）

常見陷阱

• [ ] NaN 處理：使用 pd.notna() 檢查空值
• [ ] 靠右欄位：FY 資料通常在第 50 欄之後
• [ ] 多個相符項：搜尋所有出現處，而非僅第一個
• [ ] 除以零：在公式中使用 / 前檢查分母（#DIV/0!）
• [ ] 錯誤參照：驗證所有儲存格參照指向預期儲存格（#REF!）
• [ ] 跨工作表參照：使用正確格式（Sheet1!A1）連結工作表

公式測試策略

• [ ] 從小處著手：在廣泛套用前，先在 2-3 個儲存格上測試公式
• [ ] 驗證相依性：檢查公式中參照的所有儲存格是否存在
• [ ] 測試邊界情況：包含零、負數和非常大的值

解讀 scripts/recalc.py 輸出

該腳本傳回包含錯誤詳細資訊的 JSON：

{
  "status": "success",           // 或 "errors_found"
  "total_errors": 0,              // 錯誤總數
  "total_formulas": 42,           // 檔案中的公式數量
  "error_summary": {              // 僅在發現錯誤時出現
    "#REF!": {
      "count": 2,
      "locations": ["Sheet1!B5", "Sheet1!C10"]
    }
  }
}

最佳實務

函式庫選擇

• pandas：最適合資料分析、批次操作和簡單資料匯出
• openpyxl：最適合複雜格式化、公式和 Excel 特定功能

使用 openpyxl

• 儲存格索引從 1 開始（row=1, column=1 對應儲存格 A1）
• 使用 data_only=True 讀取計算值：load_workbook('file.xlsx', data_only=True)
• 警告：如果以 data_only=True 開啟並儲存，公式將被值取代且永久遺失
• 對於大型檔案：使用 read_only=True 讀取或 write_only=True 寫入
• 公式會被保留但不會被計算 - 使用 scripts/recalc.py 更新值

使用 pandas

• 指定資料型別以避免推斷問題：pd.read_excel('file.xlsx', dtype={'id': str})
• 對於大型檔案，讀取特定欄位：pd.read_excel('file.xlsx', usecols=['A', 'C', 'E'])
• 正確處理日期：pd.read_excel('file.xlsx', parse_dates=['date_column'])

程式碼風格指南

重要：在產生用於 Excel 操作的 Python 程式碼時：

• 撰寫簡潔的 Python 程式碼，避免不必要的註解
• 避免冗長的變數名稱和重複操作
• 避免不必要的 print 陳述式

對於 Excel 檔案本身：

• 為包含複雜公式或重要假設的儲存格加上註解
• 為手動輸入的值記錄資料來源
• 為關鍵計算和模型區段加入備註