xlsx

出力の要件

すべての Excel ファイル

数式エラーをゼロにする

• 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保持する（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、慣例を調査し、完全に一致させます
• 確立されたパターンがあるファイルに、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慣例は、常にこれら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示がない場合

業界標準の色分け

• 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）：同じブック内の別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）：注意が必要な主要な前提条件、または更新が必要なセル

数値の書式設定基準

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：$#,##0 形式を使用し、ヘッダーに単位を必ず明記します（「Revenue ($mm)」）
• ゼロ：パーセンテージを含むすべてのゼロを「-」で表示する数値書式を使用します（例：「$#,##0;($#,##0);-」）
• パーセンテージ：デフォルトでは 0.0% 形式（小数点以下 1 桁）にします
• 倍率：評価倍率（EV/EBITDA、P/E）は 0.0x 形式にします
• 負の数：マイナス記号の -123 ではなく、括弧を付けた (123) にします

数式の作成ルール

前提条件の配置

• 成長率、利益率、倍率など、すべての前提条件は別々の前提条件セルに配置します
• 数式で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
• 範囲指定の開始位置または終了位置が 1 つずれるエラーがないか確認します
• すべての予測期間で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

ハードコード値の記録要件

• コメント、またはセル内（表の末尾の場合は隣接セル）に記載します。形式：「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 ファイルの内容の作成、編集、分析を依頼される場合があります。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に、LibreOffice がインストールされているものとします。このスクリプトは初回実行時に LibreOffice を自動設定します。

データの読み取りと分析

pandas を使用したデータ分析

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

Python で値を計算してハードコードするのではなく、常に Excel の数式を使用してください。 こうすることで、スプレッドシートを動的に保ち、更新できるようになります。

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 数式の使用

# 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、差額など、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際に、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 を使います
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・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 スクリプトを使います

   python recalc.py output.xlsx
   

6. 確認してエラーを修正する：
   • 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 で具体的なエラーの種類と場所を確認します
   • 特定されたエラーを修正し、もう一度再計算します
   • 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!：数式内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、数式は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 スクリプトを使います。

python recalc.py <excel_file> [timeout_seconds]

例：

python recalc.py output.xlsx 30

このスクリプトは次の処理を行います。

• 初回実行時に LibreOffice マクロを自動的に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
• Excel のエラー（#REF!、#DIV/0! など）についてすべてのセルをスキャンします
• エラーの場所と件数を詳しく示す 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易チェックです。

必須の検証

• 2～3 個の参照をテストする：モデル全体を作成する前に、正しい値を取得でき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 64 は BK ではなく BL です）
• 行のオフセット：Excel の行番号は 1 から始まることを忘れないでください（DataFrame の行 5 = Excel の行 6）

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 データは列 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、すべての該当箇所を検索します
• 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：シートをリンクする際は、正しい形式（Sheet1!A1）を使います

数式のテスト戦略

• 小規模から始める：数式を広く適用する前に、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
• 境界ケースをテストする：ゼロ、負の値、非常に大きな値を含めます

recalc.py の出力を読み取る

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、一括操作、単純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 を使う

• 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取るには、data_only=True を使います：load_workbook('file.xlsx', data_only=True)
• 警告：data_only=True で開いて保存すると、数式が値に置き換わり、完全に失われます
• 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 を使います
• 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 を使います

pandas を使う

• 型の推論に関す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})
• 大きなファイルでは、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 コードを書きます
• 冗長な変数名や重複した処理を避けます
• 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を含む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