輸出要求
所有 Excel 檔案
專業字型
- 除非使用者另有指示，否則所有交付檔案均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?）的狀態交付
保留既有範本（修改範本時）
- 修改檔案時，必須研究並 完全比對 現有的格式、樣式與慣例
- 切勿對已建立模式的檔案強加標準化格式
- 既有的範本慣例 一律優先於 這些準則
財務模型
色彩編碼標準
除非使用者或既有範本另有說明
業界標準色彩慣例
- 藍色文字 (RGB: 0,0,255)：寫死的輸入值，以及使用者會為不同情境變更的數字
- 黑色文字 (RGB: 0,0,0)：所有公式與計算
- 綠色文字 (RGB: 0,128,0)：從同一工作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)：需要留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：格式化成文字字串（例如："2024" 而非 "2,024"）
- 貨幣：使用 $#,##0 格式；務必在標題中註明單位（"收入 ($mm)"）
- 零值：使用數字格式將所有零值顯示為 "-"，包含百分比（例如："$#,##0;($#,##0);-"）
- 百分比：預設為 0.0% 格式（一位小數）
- 倍數：估值倍數（EV/EBITDA、本益比）格式化為 0.0x
- 負數：使用括號 (123) 而非減號 -123
公式建構規則
假設值放置
- 將 所有 假設值（成長率、利潤率、倍數等）放在獨立的假設值儲存格中
- 在公式中使用儲存格參照，而非寫死的數值
- 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
- 檢查範圍是否有差一錯誤
- 確保所有預測期間的公式一致
- 使用邊界案例（零值、負數）進行測試
- 確認無意外的循環參照
寫死數值的文件記錄要求
- 在儲存格中或旁邊（如果在表格末端）加註解。格式："來源：[系統/文件]，[日期]，[具體參考]，[URL（如適用）]"
- 範例：
- "來源：Company 10-K, FY2024, 第45頁, 收入附註, [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, 共識預測畫面"
XLSX 建立、編輯與分析
概述
使用者可能會要求您建立、編輯或分析 .xlsx 檔案的內容。針對不同的任務，您有不同的工具與工作流程可用。
重要需求
需要 LibreOffice 進行公式重新計算：您可以假設已安裝 LibreOffice，用於透過 scripts/recalc.py 腳本重新計算公式值。該腳本會在首次執行時自動設定 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、視覺化及基本操作，請使用 pandas，它提供了強大的資料操作能力：
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讀取
# 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，而非寫死數值
始終使用 Excel 公式，而非在 Python 中計算數值後將其寫死。 這能確保試算表保持動態且可更新。
❌ 錯誤示範 - 寫死計算結果
# 錯誤：在 Python 中計算並寫死結果
total = df['Sales'].sum()
sheet['B10'] = total # 寫死為 5000
# 錯誤：在 Python 中計算成長率
growth = (df.iloc[-1]['Revenue'] - df.iloc[0]['Revenue']) / df.iloc[0]['Revenue']
sheet['C5'] = growth # 寫死為 0.15
# 錯誤：以 Python 計算平均值
avg = sum(values) / len(values)
sheet['D20'] = avg # 寫死為 42.5
✅ 正確示範 - 使用 Excel 公式
# 正確：讓 Excel 計算總和
sheet['B10'] = '=SUM(B2:B9)'
# 正確：以 Excel 公式計算成長率
sheet['C5'] = '=(C4-C2)/C2'
# 正確：使用 Excel 函數計算平均值
sheet['D20'] = '=AVERAGE(D2:D19)'
這適用於 所有 計算 - 總和、百分比、比率、差異等。當來源資料變更時，試算表應能重新計算。
常見工作流程
- 選擇工具：資料分析用 pandas，公式/格式化用 openpyxl
- 建立/載入：建立新活頁簿或載入現有檔案
- 修改：新增/編輯資料、公式以及格式化
- 儲存：寫入檔案
- 重新計算公式（若使用公式則為強制步驟）：使用 scripts/recalc.py 腳本
python scripts/recalc.py output.xlsx - 驗證並修正任何錯誤：
- 腳本會回傳包含錯誤詳細資訊的 JSON
- 如果
status為errors_found，請檢查error_summary了解特定錯誤類型和位置 - 修正已識別的錯誤並再次重新計算
- 常見需修正的錯誤：
#REF!：無效的儲存格參照#DIV/0!：除以零#VALUE!：公式中使用了錯誤的資料類型#NAME?：無法識別的公式名稱
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')
編輯現有的 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 # 或使用 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"工作表：{sheet_name}")
# 修改儲存格
sheet['A1'] = 'New Value'
sheet.insert_rows(2) # 在第 2 行插入列
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，但未包含計算後的值。請使用提供的 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：
- 在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 儲存格中的 Excel 錯誤（#REF!、#DIV/0! 等）
- 回傳包含詳細錯誤位置與數量的 JSON
- 可在 Linux 和 macOS 上運作
公式驗證檢查清單
確保公式正確運作的快速檢查：
基本驗證
- 測試 2-3 個範例參照：在建立完整模型前，確認其能提取正確值
- 欄位對應：確認 Excel 欄位對應正確（例如：第 64 欄是 BL，而非 BK）
- 列偏移：記住 Excel 列從 1 開始（DataFrame 的第 5 列 = Excel 的第 6 列）
常見陷阱
- NaN 處理：使用
pd.notna()檢查空值 - 極右側欄位：FY 資料通常在第 50+ 欄
- 多重比對：搜尋所有出現位置，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是否指向預期的儲存格（#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
- 驗證依賴項：檢查公式中參照的所有儲存格是否存在
- 測試邊界案例：包含零、負數和非常大的數值
解讀 scripts/recalc.py 的輸出
該腳本會回傳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"]
}
}
}
最佳實踐
程式庫選擇
- pandas：最適合資料分析、批次操作和簡單的資料匯出
- 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 指的是儲存格 A1）
- 使用
data_only=True讀取計算後的值：load_workbook('file.xlsx', data_only=True) - 警告：如果以
data_only=True開啟後儲存，公式將被值取代並永久遺失 - 對於大型檔案：讀取時使用
read_only=True，寫入時使用write_only=True - 公式會被保留但不會被計算 - 請使用 scripts/recalc.py 來更新數值
使用 pandas
- 指定資料類型以避免推斷問題：
pd.read_excel('file.xlsx', dtype={'id': str}) - 對於大型檔案，僅讀取特定欄位：
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、精簡的 Python 程式碼，避免不必要的註解
- 避免冗長的變數名稱和多餘的操作
- 避免不必要的 print 陳述式
對於 Excel 檔案本身：
- 在包含複雜公式或重要假設的儲存格中新增註解
- 為寫死的數值記錄資料來源
- 為關鍵計算和模型區段加入備註