輸出要求
所有 Excel 檔案
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）
- 修改檔案時須研究並完全比對現有格式、樣式與慣例
- 切勿對已建立模式的檔案強制套用標準化格式
- 現有範本慣例始終優先於此處規範
財務模型
色彩編碼標準
除非使用者或現有範本另有說明
業界標準色彩慣例
- 藍色文字（RGB: 0,0,255）：硬編碼輸入值，以及使用者會針對情境變更的數字
- 黑色文字（RGB: 0,0,0）：所有公式與計算
- 綠色文字（RGB: 0,128,0）：從同一工作簿中其他工作表連結的資料
- 紅色文字（RGB: 255,0,0）：連至其他檔案的外部連結
- 黃色背景（RGB: 255,255,0）：需要注意的主要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 $#,##0 格式；務必在標題中指定單位（"營業收入 ($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, 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）放置於獨立的假設儲存格中
- 在公式中使用儲存格參照而非硬編碼數值
- 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
- 使用邊界案例測試（零值、負數）
- 驗證無意外的循環參照
硬編碼值的文件要求
- 在儲存格旁註解（若位於表格末端）。格式：「來源：[系統/文件]，[日期]，[特定參考]，[URL（如適用）]」
- 範例：
- 「來源：公司 10-K, FY2024, 第 45 頁, 營收備註, [SEC EDGAR URL]」
- 「來源：公司 10-Q, 2025 年第二季, 附件 99.1, [SEC EDGAR URL]」
- 「來源：Bloomberg Terminal, 2025/8/15, AAPL US Equity」
- 「來源：FactSet, 2025/8/20, 共識預估畫面」
XLSX 的建立、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。根據不同的任務，您可以使用不同的工具與工作流程。
重要需求
公式重新計算需要 LibreOffice：您可以假設已安裝 LibreOffice，並可使用 recalc.py 腳本重新計算公式值。此腳本會在首次執行時自動設定 LibreOffice。
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) # 所有工作表作為字典
# 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，而非硬編碼值
始終使用 Excel 公式，而非在 Python 中計算數值後硬編碼。 這確保試算表保持動態且可更新。
❌ 錯誤 - 硬編碼計算值
# 不好：在 Python 中計算並硬編碼結果
total = df['Sales'].sum()
sheet['B10'] = total # 硬編碼 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 # 硬編碼 0.15
# 不好：Python 計算平均值
avg = sum(values) / len(values)
sheet['D20'] = avg # 硬編碼 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
- 選擇工具：pandas 用於資料，openpyxl 用於公式/格式
- 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、公式和格式
- 儲存：寫入檔案
- 重新計算公式（如果使用公式則強制執行）：使用 recalc.py 腳本
python 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以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
- 常見修正的錯誤：
#REF!：無效的儲存格參照#DIV/0!：除以零#VALUE!：公式中的資料類型錯誤#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
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)'
# 格式設定
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
from openpyxl import load_workbook
# 載入現有檔案
wb = load_workbook('existing.xlsx')
sheet = wb.active # 或使用 wb['SheetName'] 取得特定工作表
# 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 行插入列
sheet.delete_cols(3) # 刪除第 3 行
# 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 檔案包含作為字串的公式，但不包含計算值。請使用提供的 recalc.py 腳本重新計算公式：
python recalc.py <excel_file> [timeout_seconds]
範例：
python recalc.py output.xlsx 30
此腳本：
- 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
- 掃描所有儲存格以找出 Excel 錯誤（#REF!, #DIV/0! 等）
- 回傳包含詳細錯誤位置和數量的 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，驗證它們能提取正確的值
- 欄位對應：確認 Excel 欄位符合（例如，第 64 欄 = BL，而非 BK）
- 列偏移：記住 Excel 列是以 1 為索引（DataFrame 第 5 列 = Excel 第 6 列）
常見陷阱
- NaN 處理：使用
pd.notna()檢查空值 - 最右側欄位：FY 資料通常位於第 50 欄之後
- 多個匹配項：搜尋所有出現，而非僅第一個
- 除以零：在公式中使用
/前先檢查分母（#DIV/0!） - 錯誤參照：驗證所有儲存格參照指向預期的儲存格（#REF!）
- 跨工作表參照：使用正確格式（Sheet1!A1）來連結工作表
公式測試策略
- 從小型開始：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
- 測試邊界案例：包含零、負數和非常大的數值
解讀 recalc.py 輸出
此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": { // 僅在發現錯誤時存在
"#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、大量操作與簡單的資料匯出
- openpyxl：最適合複雜格式、公式與 Excel 專用功能
使用 openpyxl
- 儲存格索引以 1 為基礎（row=1, column=1 代表儲存格 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，公式將被值取代並永久遺失 - 針對大型檔案：使用
read_only=True進行讀取或write_only=True進行寫入 - 公式會被保留但不會被評估 - 請使用 recalc.py 更新值
使用 pandas
- 指定資料類型以避免推論問題：
pd.read_excel('file.xlsx', dtype={'id': str}) - 針對大型檔案，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：在為 Excel 操作產生 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多餘的操作
- 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新增註解
- 記錄硬編碼值的資料來源
- 為關鍵計算和模型章節包含備註