XLSX Analyzer

Excel 创建、编辑和分析

概述

用户可能要求你创建、编辑或分析 .xlsx 文件的内容。不同的任务可以使用不同的工具和工作流程。

重要要求

LibreOffice 用于公式重新计算：可以假设 LibreOffice 已安装，用于使用 recalc.py 脚本重新计算公式值。该脚本在首次运行时自动配置 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功能：

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 中计算值并硬编码。 这确保电子表格保持动态和可更新。

❌ 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 - 总和、百分比、比率、差异等。电子表格应该在源数据更改时能够重新计算。

常见工作流程

1. 选择工具：pandas 用于数据，openpyxl 用于公式/格式化
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（如果使用公式则必须）：使用 recalc.py 脚本

创建新的 Excel 文件

# 使用 openpyxl 进行公式和格式化
from openpyxl import Workbook
from openpyxl.styles import Font, PatternFill, Alignment

wb = Workbook()
sheet = wb.active

# 添加数据
sheet['A1'] = '你好'
sheet['B1'] = '世界'
sheet.append(['行', '数据', '列'])

# 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 保留公式和格式化
from openpyxl import load_workbook

# 加载现有文件
wb = load_workbook('existing.xlsx')
sheet = wb.active  # 或 wb['SheetName'] 指定工作表

# 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'] = '新值'
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'] = '数据'

wb.save('modified.xlsx')

重新计算公式

由 openpyxl 创建或修改的 Excel 文件包含公式字符串，但没有计算值。使用提供的 recalc.py 脚本重新计算公式：

python recalc.py <excel_file> [timeout_seconds]

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

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：最适合复杂格式化、公式和 Excel 特定功能

使用 openpyxl

• 单元格索引从 1 开始（row=1, column=1 指的是单元格 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，公式将被值替换并永久丢失
• 对于大文件：使用 read_only=True 读取或 write_only=True 写入
• 公式被保留但不评估 - 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'])

依赖要求

• openpyxl: pip install openpyxl
• pandas: pip install pandas
• LibreOffice: 系统包管理器安装

代码风格指南

重要：为 Excel 操作生成 Python 代码时：

• 编写简洁的代码
• 避免冗余的操作和打印语句
• 使用有意义的变量名但不过分冗长