xlsx

出力要件

すべての Excel ファイル

数式エラーゼロ

• すべての Excel モデルは、数式エラー（#REF!、#DIV/0!、#VALUE!、#N/A、#NAME?）がゼロの状態で納品する必要があります。

既存のテンプレートを維持する（テンプレートを更新する場合）

• ファイルを変更する際は、既存の書式、スタイル、規則を確認し、正確に合わせてください。
• 既存のパターンが確立されているファイルに、標準化された書式を適用しないでください。
• 既存のテンプレートの規則は、常にこのガイドラインより優先されます。

財務モデル

色分けの基準

ユーザーまたは既存のテンプレートから別途指定がない限り、次の基準に従います。

業界標準の色分け規則

• 青字（RGB: 0,0,255）：ハードコードされた入力値、およびシナリオに応じてユーザーが変更する数値
• 黒字（RGB: 0,0,0）：すべての数式と計算
• 緑字（RGB: 0,128,0）：同じブック内の他のワークシートから参照するリンク
• 赤字（RGB: 255,0,0）：他のファイルへの外部リンク
• 黄色の背景（RGB: 255,255,0）：注意が必要な重要な前提条件、または更新が必要なセル

数値書式の基準

必須の書式ルール

• 年：テキスト文字列として書式設定します（例：「2,024」ではなく「2024」）。
• 通貨：$#,##0 の書式を使用します。見出しには必ず単位を明記します（「Revenue ($mm)」など）。
• ゼロ：パーセンテージも含め、すべてのゼロが「-」と表示されるように数値書式を設定します（例："$#,##0;($#,##0);-" ）。
• パーセンテージ：デフォルトでは 0.0%（小数点以下 1 桁）に書式設定します。
• 倍率：評価倍率（EV/EBITDA、P/E）は 0.0x に書式設定します。
• 負の数：マイナス記号付きの -123 ではなく、括弧付きの (123) を使用します。

数式の作成ルール

前提条件の配置

• すべての前提条件（成長率、マージン、倍率など）は、個別の前提条件セルに配置します。
• 数式にはハードコードされた値ではなく、セル参照を使用します。
• 例：=B51.05 ではなく =B5(1+$B$6) を使用します。

数式エラーの防止

• すべてのセル参照が正しいことを確認します。
• 範囲指定のオフバイワンエラーがないか確認します。
• すべての予測期間を通じて数式が一貫していることを確認します。
• エッジケース（ゼロ値、負の数）でテストします。
• 意図しない循環参照がないことを確認します。

ハードコード値の出典記録要件

• コメント、または表の末尾の場合はセルの横に記載します。書式：「Source: [System/Document], [Date], [Specific Reference], [URL if applicable]」
• 例：
  • "Source: Company 10-K, FY2024, Page 45, Revenue Note, [SEC EDGAR URL]"
  • "Source: Company 10-Q, Q2 2025, Exhibit 99.1, [SEC EDGAR URL]"
  • "Source: Bloomberg Terminal, 8/15/2025, AAPL US Equity"
  • "Source: FactSet, 8/20/2025, Consensus Estimates Screen"

XLSX の作成、編集、分析

概要

ユーザーから .xlsx ファイルの作成、編集、または内容の分析を依頼されることがあります。タスクごとに異なるツールやワークフローを利用できます。

重要な要件

数式の再計算には LibreOffice が必要です：recalc.py スクリプトを使用して数式の値を再計算するため、LibreOffice がインストールされているものとして対応できます。このスクリプトは初回実行時に LibreOffice を自動的に設定します。

データの読み取りと分析

pandas を使ったデータ分析

データ分析、可視化、基本的な操作には、強力なデータ操作機能を備えた pandas を使用します。

import pandas as pd

# Read Excel
df = pd.read_excel('file.xlsx')  # Default: first sheet
all_sheets = pd.read_excel('file.xlsx', sheet_name=None)  # All sheets as dict

# Analyze
df.head()  # Preview data
df.info()  # Column info
df.describe()  # Statistics

# Write Excel
df.to_excel('output.xlsx', index=False)

Excel ファイルのワークフロー

重要：ハードコード値ではなく数式を使用する

値を Python で計算してハードコードするのではなく、必ず Excel の数式を使用してください。 これにより、スプレッドシートの動的な更新が可能になります。

❌ 誤り - 計算値のハードコード

# Bad: Calculating in Python and hardcoding result
total = df['Sales'].sum()
sheet['B10'] = total  # Hardcodes 5000

# Bad: Computing growth rate in Python
growth = (df.iloc[-1]['Revenue'] - df.iloc[0]['Revenue']) / df.iloc[0]['Revenue']
sheet['C5'] = growth  # Hardcodes 0.15

# Bad: Python calculation for average
avg = sum(values) / len(values)
sheet['D20'] = avg  # Hardcodes 42.5

✅ 正しい - Excel の数式を使用

# Good: Let Excel calculate the sum
sheet['B10'] = '=SUM(B2:B9)'

# Good: Growth rate as Excel formula
sheet['C5'] = '=(C4-C2)/C2'

# Good: Average using Excel function
sheet['D20'] = '=AVERAGE(D2:D19)'

これは、合計、パーセンテージ、比率、差異など、すべての計算に適用されます。ソースデータが変更されたときに、スプレッドシートを再計算できるようにしてください。

一般的なワークフロー

1. ツールを選択する：データには pandas、数式や書式設定には openpyxl を使用します
2. 作成／読み込み：新しいブックを作成するか、既存のファイルを読み込みます
3. 変更する：データ、数式、書式設定を追加または編集します
4. 保存する：ファイルに書き込みます
5. 数式を再計算する（数式を使用する場合は必須）：recalc.py スクリプトを使用します

   python recalc.py output.xlsx
   

6. エラーを確認して修正する：
   • スクリプトはエラーの詳細を含む JSON を返します
   • status が errors_found の場合は、error_summary を確認し、具体的なエラーの種類と場所を特定します
   • 特定したエラーを修正して、再度再計算します
   • 修正が必要な一般的なエラー：
     • #REF!：セル参照が無効です
     • #DIV/0!：ゼロ除算です
     • #VALUE!：数式のデータ型が正しくありません
     • #NAME?：数式名が認識されません

新しい Excel ファイルの作成

# Using openpyxl for formulas and formatting
from openpyxl import Workbook
from openpyxl.styles import Font, PatternFill, Alignment

wb = Workbook()
sheet = wb.active

# Add data
sheet['A1'] = 'Hello'
sheet['B1'] = 'World'
sheet.append(['Row', 'of', 'data'])

# Add formula
sheet['B2'] = '=SUM(A1:A10)'

# Formatting
sheet['A1'].font = Font(bold=True, color='FF0000')
sheet['A1'].fill = PatternFill('solid', start_color='FFFF00')
sheet['A1'].alignment = Alignment(horizontal='center')

# Column width
sheet.column_dimensions['A'].width = 20

wb.save('output.xlsx')

既存の Excel ファイルの編集

# Using openpyxl to preserve formulas and formatting
from openpyxl import load_workbook

# Load existing file
wb = load_workbook('existing.xlsx')
sheet = wb.active  # or wb['SheetName'] for specific sheet

# Working with multiple sheets
for sheet_name in wb.sheetnames:
    sheet = wb[sheet_name]
    print(f"Sheet: {sheet_name}")

# Modify cells
sheet['A1'] = 'New Value'
sheet.insert_rows(2)  # Insert row at position 2
sheet.delete_cols(3)  # Delete column 3

# Add new sheet
new_sheet = wb.create_sheet('NewSheet')
new_sheet['A1'] = 'Data'

wb.save('modified.xlsx')

数式の再計算

openpyxl で作成または変更した Excel ファイルには、数式が文字列として含まれていますが、計算済みの値は含まれていません。数式を再計算するには、付属の recalc.py スクリプトを使用します。

python recalc.py <excel_file> [timeout_seconds]

例：

python recalc.py output.xlsx 30

スクリプトの機能：

• 初回実行時に LibreOffice マクロを自動でセットアップします
• すべてのシートの数式を再計算します
• すべてのセルをスキャンして Excel のエラー（#REF!、#DIV/0! など）を検出します
• エラーの場所と件数の詳細を含む JSON を返します
• Linux と macOS の両方で動作します

数式の検証チェックリスト

数式が正しく動作することを確認するための簡単なチェック項目：

必須の検証

• 参照先のサンプルを2～3件テストする：モデル全体を作成する前に、正しい値が取得されることを確認します
• 列の対応関係：Excel の列が一致していることを確認します（例：列番号64はBKではなくBLです）
• 行オフセット：Excel の行番号は1から始まることに注意してください（DataFrame の行5は Excel の行6です）

よくある落とし穴

• NaN の処理：pd.notna() で null 値を確認します
• 右端の列：FY のデータは列番号50以降にあることがよくあります
• 複数の一致：最初の一致だけでなく、すべての出現箇所を検索します
• ゼロ除算：数式で / を使う前に分母を確認します（#DIV/0!）
• 誤った参照：すべてのセル参照が意図したセルを指していることを確認します（#REF!）
• シート間の参照：シート間のリンクには正しい形式（Sheet1!A1）を使用します

数式のテスト方法

• 小規模に始める：数式を広範囲に適用する前に、2～3個のセルでテストします
• 依存関係を確認する：数式で参照されるすべてのセルが存在することを確認します
• 境界条件をテストする：ゼロ、負の値、非常に大きな値を含めます

recalc.py の出力の解釈

スクリプトはエラーの詳細を含む JSON を返します。

{
  "status": "success",  // or "errors_found"
  "total_errors": 0,  // Total error count
  "total_formulas": 42,  // Number of formulas in file
  "error_summary": {  // Only present if errors found
    "#REF!": {
      "count": 2,
      "locations": ["Sheet1!B5", "Sheet1!C10"]
    }
  }
}

ベストプラクティス

ライブラリの選択

• pandas：データ分析、一括処理、シンプルなデータのエクスポートに最適です
• openpyxl：複雑な書式設定、数式、Excel 固有の機能に最適です

openpyxl の使用

• セルのインデックスは1から始まります（row=1、column=1 はセル A1 を指します）
• 計算済みの値を読み込むには data_only=True を使用します：load_workbook('file.xlsx', data_only=True)
• 警告：data_only=True で開いて保存すると、数式は値に置き換えられ、元に戻せません
• 大きなファイルの場合：読み込みには read_only=True、書き込みには write_only=True を使用します
• 数式は保持されますが、評価されません。値を更新するには recalc.py を使用します

pandas の使用

• 推論による問題を避けるため、データ型を指定します：pd.read_excel('file.xlsx', dtype={'id': str})
• 大きなファイルの場合は、特定の列を読み込みます：pd.read_excel('file.xlsx', usecols=['A', 'C', 'E'])
• 日付を適切に処理します：pd.read_excel('file.xlsx', parse_dates=['date_column'])

コードスタイルのガイドライン

重要：Excel 操作用の Python コードを生成する場合：

• 不要なコメントを含めず、最小限で簡潔な Python コードを記述します
• 冗長な変数名や重複する処理を避けます
• 不要な print 文を避けます

Excel ファイル自体について：

• 複雑な数式や重要な前提条件があるセルにはコメントを追加します
• ハードコードされた値のデータソースを記録します
• 重要な計算やモデルのセクションには注記を含めます