Smithery Logo
MCPsSkillsDocsPricing
Login
Smithery Logo

Accelerating the Agent Economy

Resources

DocumentationPrivacy PolicySystem Status

Company

PricingAboutBlog

Connect

© 2026 Smithery. All rights reserved.

    LeastBit

    xlsx

    LeastBit/xlsx
    Data & Analytics
    192
    1 installs

    About

    SKILL.md

    Install

    Install via Skills CLI

    or add to your agent
    • Claude Code
      Claude Code
    • Codex
      Codex
    • OpenClaw
      OpenClaw
    • Cursor
      Cursor
    • Amp
      Amp
    • GitHub Copilot
      GitHub Copilot
    • Gemini CLI
      Gemini CLI
    • Kilo Code
      Kilo Code
    • Junie
      Junie
    • Replit
      Replit
    • Windsurf
      Windsurf
    • Cline
      Cline
    • Continue
      Continue
    • OpenCode
      OpenCode
    • OpenHands
      OpenHands
    • Roo Code
      Roo Code
    • Augment
      Augment
    • Goose
      Goose
    • Trae
      Trae
    • Zencoder
      Zencoder
    • Antigravity
      Antigravity
    ├─
    ├─
    └─

    About

    全面的电子表格创建、编辑和分析功能,支持公式、格式化、数据分析和可视化。当 Claude 需要处理电子表格(.xlsx、.xlsm、.csv、.tsv 等)时使用,包括:(1) 创建带有公式和格式的新电子表格,(2) 读取或分析数据,(3) 修改现有电子表格同时保留公式,(4) 电子表格中的数据分析和可视化,或 (5) 重新计算公式

    SKILL.md

    输出要求

    所有 Excel 文件

    零公式错误

    • 每个 Excel 模型交付时必须保证零公式错误(#REF!、#DIV/0!、#VALUE!、#N/A、#NAME?)

    保留现有模板(更新模板时)

    • 修改文件时仔细研究并精确匹配现有的格式、样式和约定
    • 切勿将标准化格式强加于已有既定模式的文件
    • 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,以及用户将为不同情景更改的数字
    • 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):需要关注的关键假设或需要更新的单元格

    数字格式标准

    必需的格式规则

    • 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:默认使用 0.0% 格式(一位小数)
    • 倍数:估值倍数(EV/EBITDA、P/E)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是否正确
    • 检查范围中的差一错误
    • 确保所有预测期间的公式一致
    • 使用边界情况测试(零值、负数)
    • 验证没有意外的循环引用

    硬编码值的文档要求

    • 在单元格旁边添加注释或说明(如果在表格末尾)。格式:"来源:[系统/文档],[日期],[具体引用],[URL(如适用)]"
    • 示例:
      • "来源:公司 10-K,FY2024,第 45 页,营收注释,[SEC EDGAR URL]"
      • "来源:公司 10-Q,Q2 2025,附件 99.1,[SEC EDGAR URL]"
      • "来源:Bloomberg 终端,8/15/2025,AAPL US Equity"
      • "来源:FactSet,8/20/2025,一致预期筛选"

    XLSX 创建、编辑和分析

    概述

    用户可能要求您创建、编辑或分析 .xlsx 文件的内容。您有不同的工具和工作流程可用于不同的任务。

    重要要求

    公式重新计算需要 LibreOffice:可以假设已安装 LibreOffice 用于通过 recalc.py 脚本重新计算公式值。该脚本在首次运行时会自动配置 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,它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:第一个工作表
    all_sheets = pd.read_excel('file.xlsx', sheet_name=None)  # 所有工作表作为字典
    
    # 分析
    df.head()      # 预览数据
    df.info()      # 列信息
    df.describe()  # 统计信息
    
    # 写入 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 中计算值后硬编码它们。 这确保电子表格保持动态且可更新。

    ❌ 错误 - 硬编码计算值

    # 错误:在 Python 中计算并硬编码结果
    total = df['Sales'].sum()
    sheet['B10'] = total  # 硬编码 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 0.15
    
    # 错误:Python 计算平均值
    avg = sum(values) / len(values)
    sheet['D20'] = avg  # 硬编码 42.5
    

    ✅ 正确 - 使用 Excel 公式

    # 正确:让 Excel 计算总和
    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)'
    

    这适用于所有计算 - 合计、百分比、比率、差值等。电子表格应该能够在源数据更改时重新计算。

    常见工作流程

    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(使用公式时必须执行):使用 recalc.py 脚本
      python recalc.py output.xlsx
      
    6. 验证并修复任何错误:
      • 脚本返回包含错误详情的 JSON
      • 如果 status 为 errors_found,检查 error_summary 获取具体错误类型和位置
      • 修复已识别的错误并再次重新计算
      • 常见需要修复的错误:
        • #REF!:无效的单元格引用
        • #DIV/0!:除以零
        • #VALUE!:公式中的数据类型错误
        • #NAME?:无法识别的公式名称

    创建新 Excel 文件

    # 使用 openpyxl 处理公式和格式
    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)'
    
    # 格式化
    sheet['A1'].font = Font(bold=True, color='FF0000')
    sheet['A1'].fill = PatternFill('solid', start_color='FFFF00')
    sheet['A1'].alignment = Alignment(horizontal='center')
    
    # 列宽
    sheet.column_dimensions['A'].width = 20
    
    wb.save('output.xlsx')
    

    编辑现有 Excel 文件

    # 使用 openpyxl 保留公式和格式
    from openpyxl import load_workbook
    
    # 加载现有文件
    wb = load_workbook('existing.xlsx')
    sheet = wb.active  # 或使用 wb['SheetName'] 获取特定工作表
    
    # 处理多个工作表
    for sheet_name in wb.sheetnames:
        sheet = wb[sheet_name]
        print(f"工作表: {sheet_name}")
    
    # 修改单元格
    sheet['A1'] = 'New Value'
    sheet.insert_rows(2)  # 在位置 2 插入行
    sheet.delete_cols(3)  # 删除第 3 列
    
    # 添加新工作表
    new_sheet = wb.create_sheet('NewSheet')
    new_sheet['A1'] = 'Data'
    
    wb.save('modified.xlsx')
    

    重新计算公式

    openpyxl 创建或修改的 Excel 文件包含公式字符串但不包含计算值。使用提供的 recalc.py 脚本重新计算公式:

    python recalc.py <excel文件> [超时秒数]
    

    示例:

    python recalc.py output.xlsx 30
    

    该脚本:

    • 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
    • 扫描所有单元格查找 Excel 错误(#REF!、#DIV/0! 等)
    • 返回包含详细错误位置和计数的 JSON
    • 同时适用于 Linux 和 macOS

    公式验证清单

    确保公式正常工作的快速检查:

    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正确的值
    • 列映射:确认 Excel 列匹配(例如,第 64 列 = BL,而非 BK)
    • 行偏移:记住 Excel 行从 1 开始索引(DataFrame 第 5 行 = Excel 第 6 行)

    常见陷阱

    • NaN 处理:使用 pd.notna() 检查空值
    • 最右侧的列:财年数据通常在第 50+ 列
    • 多个匹配:搜索所有出现,而不仅仅是第一个
    • 除以零:在公式中使用 / 之前检查分母(#DIV/0!)
    • 错误引用:验证所有单元格引用指向预期的单元格(#REF!)
    • 跨工作表引用:使用正确的格式(Sheet1!A1)链接工作表

    公式测试策略

    • 从小处开始:在广泛应用之前先在 2-3 个单元格上测试公式
    • 验证依赖项:检查公式中引用的所有单元格是否存在
    • 测试边界情况:包括零值、负数和非常大的值

    解读 recalc.py 输出

    脚本返回包含错误详情的 JSON:

    {
      "status": "success",           // 或 "errors_found"
      "total_errors": 0,              // 错误总数
      "total_formulas": 42,           // 文件中的公式数量
      "error_summary": {              // 仅在发现错误时出现
        "#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、公式和 Excel 特定功能

    使用 openpyxl

    • 单元格索引从 1 开始(row=1, column=1 指向单元格 A1)
    • 使用 data_only=True 读取计算值:load_workbook('file.xlsx', data_only=True)
    • 警告:如果使用 data_only=True 打开并保存,公式将被替换为值并永久丢失
    • 对于大文件:读取时使用 read_only=True,写入时使用 write_only=True
    • 公式会被保留但不会被计算 - 使用 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:生成用于 Excel 操作的 Python 代码时:

    • 编写简洁的 Python 代码,不添加不必要的注释
    • 避免冗长的变量名和多余的操作
    • 避免不必要的 print 语句

    对于 Excel 文件本身:

    • 为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
    Recommended Servers
    Ref
    Ref
    Repository
    leastbit/claude_skills_zh-cn
    Files