mcpbeat Sign in

XLSX Skill for Claude

by LeastBit

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

4k tokens
context cost
the whole folder, loaded on every use
3
files
ships runnable scripts
0
copies elsewhere
how many repositories repackaged it
555
stars on the repo
on the repository, not the skill itself

Install

one command, takes just this skill from the repository 
npx skills add https://github.com/LeastBit/Claude_skills_zh-CN --skill xlsx

The instruction itself

10 sections, as written by the author

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

  • 选择工具：pandas 用于数据，openpyxl 用于公式/格式
  • 创建/加载：创建新工作簿或加载现有文件
  • 修改：添加/编辑数据、公式和格式
  • 保存：写入文件
  • 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
  • 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

Other skills for the same job

different authors, same section of the catalogue
XLSX
by anthropics
vendor ×15

Comprehensive spreadsheet creation, editing, and analysis with support for formulas, formatting, data analysis, and visualization. When Claude needs to work with spreadsheets (.xlsx, .xlsm, .csv, .tsv, etc) for: (1) Creating new spreadsheets with formulas and formatting, (2) Reading or analyzing data, (3) Modify existing spreadsheets while preserving formulas, (4) Data analysis and visualization in spreadsheets, or (5) Recalculating formulas

5k tokens scripts
XLSX
by w95
×7

Use this skill any time a spreadsheet file is the primary input or output. This means any task where the user wants to: open, read, edit, or fix an existing .xlsx, .xlsm, .csv, or .tsv file (e.g., adding columns, computing formulas, formatting, charting, cleaning messy data); create a new spreadsheet from scratch or from other data sources; or convert between tabular file formats. Trigger especially when the user references a spreadsheet file by name or path — even casually (like \"the xlsx in my downloads\") — and wants something done to it or produced from it. Also trigger for cleaning or restructuring messy tabular data files (malformed rows, misplaced headers, junk data) into proper spreadsheets. The deliverable must be a spreadsheet file. Do NOT trigger when the primary deliverable is a Word document, HTML report, standalone Python script, database pipeline, or Google Sheets API integration, even if tabular data is involved.

3k tokens
Raffle Winner Picker
by frostant
×5

Picks random winners from lists, spreadsheets, or Google Sheets for giveaways, raffles, and contests. Ensures fair, unbiased selection with transparency.

949 tokens
Fda Database
by christophacham
×4

Query openFDA API for drugs, devices, adverse events, recalls, regulatory submissions (510k, PMA), substance identification (UNII), for FDA regulatory data analysis and safety research.

32k tokens scripts
Matlab
by christophacham
×4

MATLAB and GNU Octave numerical computing for matrix operations, data analysis, visualization, and scientific computing. Use when writing MATLAB/Octave scripts for linear algebra, signal processing, image processing, differential equations, optimization, statistics, or creating scientific visualizations. Also use when the user needs help with MATLAB syntax, functions, or wants to convert between MATLAB and Python code. Scripts can be executed with MATLAB or the open-source GNU Octave interpreter.

25k tokens
Umap Learn
by ComeOnOliver
×4

UMAP dimensionality reduction. Fast nonlinear manifold learning for 2D/3D visualization, clustering preprocessing (HDBSCAN), supervised/parametric UMAP, for high-dimensional data.

14k tokens
D3 Viz
by chrisvoncsefalvay
×3

Creating interactive data visualisations using d3.js. This skill should be used when creating custom charts, graphs, network diagrams, geographic visualisations, or any complex SVG-based data visualisation that requires fine-grained control over visual elements, transitions, or interactions. Use this for bespoke visualisations beyond standard charting libraries, whether in React, Vue, Svelte, vanilla JavaScript, or any other environment.

20k tokens
Alphafold Database
by christophacham
×3

Access AlphaFold 200M+ AI-predicted protein structures. Retrieve structures by UniProt ID, download PDB/mmCIF files, analyze confidence metrics (pLDDT, PAE), for drug discovery and structural biology.

7k tokens

How to use it

Copy the folder

Take leastbit/xlsx from the repository into ~/.claude/skills for personal use, or into .claude/skills inside a project.

Check the name does not clash

The agent identifies a skill by the name field in its header. Two skills with the same name cannot sit side by side — one of them will be ignored.