技能介绍

问题从哪来

很多自动化任务最后要交的是 .xlsx，而不是 CSV 或一张静态表：模板里有合并单元格、条件格式、数据验证，模型里公式还要能继续改假设。用 pandas 一把读写成值，或在 Python 里算完再贴数字，往往把「活的工作簿」变成死快照，还会出现长 ID 被科学计数、前导零丢失、日期显示与底层序列不一致等问题。

技能如何组织工作流

本技能按任务类型选工具，而不是按习惯只用一个库：

分析与整形（透视、拼接、类 CSV 交换）→ pandas
公式、样式、批注、合并区域、整本结构保真 → openpyxl
需要可编辑模型时，在单元格写公式、用假设格引用，避免在 Python 里硬编码派生结果；交付前检查 #REF!、#DIV/0! 等错误与复制公式后的相对引用漂移
日期按 Excel 序列数理解（1900/1904 体系、闰年历史 bug、时间为小数天），并核对数字格式是否仍显示正确
类型：身份证号、电话、邮编等宜存文本；注意 15 位以上精度截断与读写时的混合格式列
改内容前先保结构：模板样式优先；合并区只有左上角存值；隐藏行列、命名区域、外部引用仍可能影响公式
交付前：openpyxl 不自动重算，需确认无公式错误；若以「仅值」模式打开再保存，可能把公式压成缓存值
大文件：流式/分块读、指定 dtype 与目标 sheet，避免整表进内存

适用边界

CSV 不适合当作 Excel 的全功能替代。跨平台（Google Sheets、LibreOffice）对公式与新函数（如 FILTER、XLOOKUP）行为可能不同。密码保护不是可靠安全；.xlsm 含宏、.xls 为更紧的旧格式。业务含义常藏在筛选、条件格式、打印区域与验证规则里——数值对了，布局或规则被剥掉仍可能不合格。