Excel数据向导

要解决什么问题

日常报表往往卡在「手工填模板、多文件合并、统一字体边框、再补 SUM 和柱状图」这条链路上。本技能把这类 .xlsx 工作流收敛到 Python + openpyxl：从读_workbook、识别表头，到写入、格式化、公式与图表，最后保存成可在 Microsoft Excel 与 WPS 表格 中打开的成品文件。

核心能力与流程

技能按固定步骤组织实现，便于 Agent 生成可执行脚本：

1. 文件分析：加载工作簿，列出 Sheet、行列规模，预览前若干行，并诊断格式错误、缺失值与重复值。
2. 读写与 Sheet 操作：用 openpyxl.load_workbook() 读取；支持 data_only=True 取公式结果或保留公式；批量 append() 写入；创建/复制/重命名/删除 Sheet。
3. 格式化：字体、填充、边框、对齐、数字格式（货币、百分比、日期），以及条件格式（数据条、色阶等）。
4. 公式与图表：写入如 =SUM(A1:A10)；创建柱状图/折线图/饼图并配置标题与坐标轴。
5. 进阶：数据透视表、批注、保护、合并单元格；保存时兼顾兼容性与体积。

典型场景包括：数据报表生成（JSON/CSV/DB + 模板）、模板填充、多文件合并/拆分/汇总、格式美化、图表可视化、财务周期报表自动化。

适用边界

• 超大规模（例如 >100 万行）或复杂建模：应改用 pandas 与数据库，而非纯 openpyxl 逐格处理。
• openpyxl 不执行公式：若依赖实时计算，需在 Excel 中打开保存，或读取时用 data_only=True 获取已缓存结果。
• 不适合实时协作编辑、VBA 宏开发、密码破解、PDF/Word 处理，以及在线表格 API 集成；大文件（如 >50MB）建议 pandas 分批或组合方案。
• WPS 对条件格式、透视表、部分图表的支持弱于 Excel，文档中已标注兼容度，复杂样式宜做降级验证。