Creación, edición y análisis de XLSX
| Tarea | Enfoque |
|---|---|
| Crear o editar con fórmulas/formateo | openpyxl — consulta los gotchas abajo |
| Datos masivos de entrada o salida | pandas (read_excel, to_excel) |
| Vistazo rápido a una hoja | markitdown archivo.xlsx — ## NombreHoja por hoja; también lee .xlsm. Sin coordenadas de celdas, así que no planifiques ediciones desde él |
| Leer un modelo (fórmulas y valores) | dos pasadas de load_workbook — consulta gotchas |
openpyxl,pandasymarkitdownestán preinstalados — no ejecutespip installprimero; escribe el script e importa directamente. Solo si una importación falla (o el comandomarkitdownfalta):pip installel paquete faltante.
Las rutas de script a continuación son relativas al directorio de esta habilidad.
Requisitos para cada salida
- Fuente profesional (Arial, Times New Roman) en todo el documento, a menos que el usuario indique lo contrario.
- Cero errores de fórmula. Nunca entregues mientras
recalc.pyreporteerrors_found. Si crees que un error es anterior a tu intervención, demuéstralo: carga el original condata_only=Truey revisa esa celda. Un error que introdujiste se ve exactamente igual que uno que heredaste. - Usa fórmulas, nunca resultados fijos. Escribe
sheet['B10'] = '=SUM(B2:B9)', no el total calculado en Python. La hoja debe recalcularse cuando sus entradas cambien. - Sigue las especificaciones del usuario al pie de la letra. Nombres de pestañas exactos, encabezados de columna exactos y la fórmula que él especificó. Un rediseño que calcule algo diferente falla, por más elegante que sea.
- Documenta cada suposición y número duro donde el lector pueda verlo: un comentario de celda, o una celda adyacente al final de una tabla. Cita una fuente real cuando exista (
Fuente: Empresa 10-K, FY2024, Página 45, Nota de Ingresos, [URL SEC EDGAR]); cuando el número provino del usuario, dilo claramente. - Un libro que tú creas para que alguien lo llene necesita una breve leyenda que nombre qué celdas editar, y una fila de ejemplo con valores realistas que muestre el formato esperado. Nunca agregues tal fila a un archivo que te pidieron editar.
- Editar un archivo existente: respeta sus convenciones exactamente. Ellas anulan cualquier directriz aquí. Primero encuentra sus celdas de entrada designadas — un color de fuente, relleno o sombreado distinto las marca — escribe solo allí, y deja intacta cada fórmula existente.
Recalcular (obligatorio cuando el archivo contiene fórmulas)
openpyxl escribe fórmulas como cadenas de texto sin valores en caché. Hasta que recalcules, cada celda de fórmula se lee como None para cualquier cosa que lea valores en caché — pandas, load_workbook(data_only=True), y la mayoría de los previsualizadores.
python scripts/recalc.py salida.xlsx [tiempo_limite_segundos] # predeterminado 30
LibreOffice calcula cada fórmula, el archivo se reescribe en el lugar, y obtienes JSON: status (success | errors_found), total_formulas, total_errors, y un error_summary que nombra hasta 100 celdas por tipo de error (locations_truncated dice cuántas retuvo — confía en total_errors, no en la longitud de la lista). Arregla lo que nombra y ejecútalo de nuevo. JSON con una clave error en lugar de status significa que no se recalculó nada, y solo ese caso sale con código distinto de cero — errors_found sale con 0, así que nunca trates una salida limpia como un libro limpio.
Un recálculo verde prueba que tus fórmulas evalúan, no que son correctas. Un rango con error de uno o una referencia a la fila incorrecta produce un archivo limpio y sin errores pero con números incorrectos. Escribe 2–3 fórmulas primero y verifica que devuelvan los valores esperados, antes de construir una cuadrícula.
Un libro que enlace a otro archivo pierde esos enlaces si lo guardas de nuevo con openpyxl y luego recalculas. Tal fórmula lee ='[1]Returns Analysis'!$B$2 — el [1] es un índice en la lista de referencias externas del libro, que nombra un archivo separado en disco, no una hoja. Ese archivo rara vez está presente aquí, así que el valor en caché de la celda es lo único que contiene sus datos. openpyxl elimina ese valor al guardar; luego LibreOffice tiene que resolver la referencia realmente, falla, escribe #NAME?, y borra todos los enlaces. recalc.py se niega a ejecutarse en ese estado — copia los valores de esas celdas del original antes de sobrescribirlas (--force anula y acepta la pérdida).
Elegir fórmulas que sobrevivan a la verificación
LibreOffice implementa menos funciones que Excel, y una que no puede evaluar se convierte en un literal #NAME? horneado en el archivo que entregas.
- Prefiere funciones de la era de Excel 2007 —
SUMIFS,INDEX,MATCH,IFERROR,SUMPRODUCT— que no necesitan prefijo. - Seis funciones posteriores a 2007 funcionan, pero solo con un prefijo
_xlfn., porque openpyxl escribe tu fórmula en el XML textualmente y Excel almacena nombres posteriores a 2007 con prefijo (su UI oculta el prefijo):_xlfn.TEXTJOIN,_xlfn.CONCAT,_xlfn.IFS,_xlfn.SWITCH,_xlfn.MAXIFS,_xlfn.MINIFS. Escritas sin prefijo, cada una produce#NAME?. - Nunca uses
XLOOKUP,XMATCH,SORT,FILTER,UNIQUE, oSEQUENCE. El entorno de ejecución de LibreOffice no puede evaluarlas bajo ningún prefijo. Las versiones más recientes sí las evalúan, pero son funciones de matriz derramada y un archivo escrito por openpyxl no tiene metadatos de derrame, así que solo la celda superior izquierda del rango obtiene un valor — yrecalc.pyreportatotal_errors: 0sobre el resultado truncado. UsaINDEX/MATCHpara búsquedas, y ordena, filtra y elimina duplicados en Python antes de escribir las celdas. - Una fórmula que LibreOffice no pudo analizar se escribe de vuelta en minúsculas — una señal rápida junto a un
#NAME?.
Gotchas de openpyxl
- Leer un modelo requiere dos cargas.
data_only=Trueproduce valores en caché sin las fórmulas; el valor predeterminado produce cadenas de fórmula sin valores. Una sola pasada no puede darte ambos. data_only=Truees destructivo si guardas. Ese libro no tiene fórmulas restantes, así que guardar reemplaza cada una con un literal — permanentemente.data_only=Trueen un archivo que openpyxl acaba de escribir devuelveNoneen todas partes — ejecutarecalc.pyprimero. (Una fórmula cuyo resultado es""también se lee comoNone.)- Celdas combinadas: escribe solo el ancla superior izquierda. Cada otra celda en el rango es una
MergedCellcuyo.valuees de solo lectura. .xlsmpierde sus macros a menos que paseskeep_vba=Trueaload_workbook.- Un nombre de hoja que contiene un espacio debe ir entre comillas en una referencia entre hojas:
='Assumptions Inputs'!$B$5. Sin comillas, evalúa a#VALUE!.
Modelos financieros
A menos que el usuario indique lo contrario, o el archivo existente ya haga algo diferente.
Color: texto azul (0,0,255) para entradas fijas y palancas de escenario · negro para fórmulas · verde (0,128,0) para enlaces a otra hoja · rojo (255,0,0) para enlaces a otro archivo · relleno amarillo (255,255,0) para supuestos clave y celdas que el usuario debe llenar.
Números: moneda $#,##0, con la unidad nombrada en el encabezado (Ingresos ($mm)) · ceros se muestran como -, incluso en porcentajes ($#,##0;($#,##0);-) · negativos entre paréntesis · porcentajes 0.0%, almacenados como fracciones (0.15 muestra 15.0%; almacenar 15 muestra 1500.0%) · múltiplos de valoración 0.0x · años como texto ("2024", nunca 2,024).
Estructura: cada supuesto en su propia celda etiquetada, referenciado por las fórmulas que lo usan (=B5*(1+$B$6), nunca =B5*1.05) · fórmulas consistentes en cada período de proyección, ya que una celda editada solitaria en medio de una fila es el error silencioso más común · protege denominadores que pueden ser cero.
Dependencias
openpyxl, pandas, markitdown (pip, preinstalados — instala solo si una importación falla o el comando falta) · LibreOffice (soffice, configurado automáticamente para entornos aislados mediante scripts/office/soffice.py)