📌 참고: 이 문서는 공식 Claude Code 문서의 원문 + 레퍼런스입니다.

원문 링크를 직접 사용하셔도 됩니다

이 파일을 .claude/skills/ 하위에 복사하여 스킬로 등록할 수도 있습니다

(2026.03.15 기준)

출력물 요구사항

모든 Excel 파일

전문적인 폰트

사용자가 별도로 지시하지 않는 한 모든 결과물에 일관되고 전문적인 폰트(예: Arial, Times New Roman)를 사용하세요

수식 오류 제로

모든 Excel 모델은 수식 오류(#REF!, #DIV/0!, #VALUE!, #N/A, #NAME?) 없이 제공되어야 합니다

기존 템플릿 유지 (템플릿 업데이트 시)

파일 수정 시 기존 형식, 스타일, 규칙을 정확히 파악하고 일치시키세요
이미 확립된 패턴이 있는 파일에 표준화된 서식을 강요하지 마세요
기존 템플릿 규칙은 항상 이 가이드라인보다 우선합니다

재무 모델

색상 코딩 표준

사용자나 기존 템플릿에서 별도로 명시하지 않는 한

업계 표준 색상 규칙

파란색 텍스트 (RGB: 0,0,255): 하드코딩된 입력값, 시나리오용으로 사용자가 변경할 숫자
검은색 텍스트 (RGB: 0,0,0): 모든 수식과 계산
녹색 텍스트 (RGB: 0,128,0): 동일 워크북 내 다른 워크시트에서 가져오는 링크
빨간색 텍스트 (RGB: 255,0,0): 다른 파일로의 외부 링크
노란색 배경 (RGB: 255,255,0): 주의가 필요한 핵심 가정 또는 업데이트가 필요한 셀

숫자 서식 표준

필수 서식 규칙

연도: 텍스트 문자열로 서식 (예: "2024"이지 "2,024"가 아님)
통화: $#,##0 서식 사용; 항상 헤더에 단위를 명시 ("Revenue ($mm)")
0값: 숫자 서식을 사용하여 모든 0을 "-"로 표시, 백분율 포함 (예: "$#,##0;($#,##0);-")
백분율: 기본적으로 0.0% 서식 (소수점 한 자리)
배수: 밸류에이션 배수에 0.0x 서식 (EV/EBITDA, P/E)
음수: 마이너스(-123)가 아닌 괄호(123) 사용

수식 작성 규칙

가정 배치

모든 가정(성장률, 마진, 배수 등)을 별도의 가정 셀에 배치
수식에서 하드코딩된 값 대신 셀 참조 사용
예: =B51.05 대신 =B5(1+$B$6) 사용

수식 오류 방지

모든 셀 참조가 올바른지 확인
범위의 off-by-one 오류 확인
모든 추정 기간에 걸쳐 일관된 수식 보장
에지 케이스로 테스트 (0값, 음수)
의도하지 않은 순환 참조가 없는지 확인

하드코드 문서화 요구사항

코멘트 또는 옆의 셀에 기록 (표 끝인 경우). 형식: "Source: [시스템/문서], [날짜], [구체적 참조], [해당하는 경우 URL]"
예시:
- "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 생성, 편집, 분석

개요

사용자가 .xlsx 파일의 생성, 편집, 또는 내용 분석을 요청할 수 있습니다. 작업에 따라 다양한 도구와 워크플로우를 사용할 수 있습니다.

중요 요구사항

수식 재계산에 LibreOffice 필요: scripts/recalc.py 스크립트를 사용한 수식 재계산을 위해 LibreOffice가 설치되어 있다고 가정할 수 있습니다. 이 스크립트는 Unix 소켓이 제한된 샌드박스 환경을 포함하여 첫 실행 시 LibreOffice를 자동으로 설정합니다 (scripts/office/soffice.py가 처리).

데이터 읽기 및 분석

pandas를 사용한 데이터 분석

데이터 분석, 시각화, 기본 작업에는 강력한 데이터 조작 기능을 제공하는 pandas를 사용하세요:

import pandas as pd

# Excel 읽기
df = pd.read_excel('file.xlsx')  # 기본값: 첫 번째 시트
all_sheets = pd.read_excel('file.xlsx', sheet_name=None)  # 모든 시트를 dict로

# 분석
df.head()      # 데이터 미리보기
df.info()      # 열 정보
df.describe()  # 통계

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

Excel 파일 워크플로우

중요: 하드코딩된 값이 아닌 수식을 사용하세요

항상 Python에서 값을 계산하고 하드코딩하는 대신 Excel 수식을 사용하세요. 이렇게 하면 스프레드시트가 동적이고 업데이트 가능한 상태를 유지합니다.

WRONG - 계산된 값 하드코딩

# 나쁨: Python에서 계산하고 결과를 하드코딩
total = df['Sales'].sum()
sheet['B10'] = total  # 5000을 하드코딩

# 나쁨: Python에서 성장률 계산
growth = (df.iloc[-1]['Revenue'] - df.iloc[0]['Revenue']) / df.iloc[0]['Revenue']
sheet['C5'] = growth  # 0.15를 하드코딩

# 나쁨: Python으로 평균 계산
avg = sum(values) / len(values)
sheet['D20'] = avg  # 42.5를 하드코딩

CORRECT - Excel 수식 사용

# 좋음: Excel에서 합계를 계산하게 하기
sheet['B10'] = '=SUM(B2:B9)'

# 좋음: 성장률을 Excel 수식으로
sheet['C5'] = '=(C4-C2)/C2'

# 좋음: Excel 함수로 평균
sheet['D20'] = '=AVERAGE(D2:D19)'

이는 모든 계산에 적용됩니다 - 합계, 백분율, 비율, 차이 등. 스프레드시트는 원본 데이터가 변경될 때 재계산할 수 있어야 합니다.

일반 워크플로우

도구 선택: 데이터용 pandas, 수식/서식용 openpyxl
생성/로드: 새 워크북 생성 또는 기존 파일 로드
수정: 데이터, 수식, 서식 추가/편집
저장: 파일로 쓰기
수식 재계산 (수식 사용 시 필수): scripts/recalc.py 스크립트 사용
```
python scripts/recalc.py output.xlsx
```
오류 확인 및 수정:
- 스크립트는 오류 세부사항이 포함된 JSON을 반환합니다
- status가 errors_found이면 error_summary에서 특정 오류 유형과 위치를 확인하세요
- 확인된 오류를 수정하고 다시 재계산하세요
- 수정해야 할 일반적인 오류:
  - #REF!: 유효하지 않은 셀 참조
  - #DIV/0!: 0으로 나누기
  - #VALUE!: 수식에서 잘못된 데이터 타입
  - #NAME?: 인식되지 않는 수식 이름

새 Excel 파일 생성

# 수식과 서식을 위해 openpyxl 사용
from openpyxl import Workbook
from openpyxl.styles import Font, PatternFill, Alignment

wb = Workbook()
sheet = wb.active

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

# 수식 추가
sheet['B2'] = '=SUM(A1:A10)'

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

# 열 너비
sheet.column_dimensions['A'].width = 20

wb.save('output.xlsx')

기존 Excel 파일 편집

# 수식과 서식을 유지하기 위해 openpyxl 사용
from openpyxl import load_workbook

# 기존 파일 로드
wb = load_workbook('existing.xlsx')
sheet = wb.active  # 또는 특정 시트를 위해 wb['SheetName']

# 여러 시트 작업
for sheet_name in wb.sheetnames:
    sheet = wb[sheet_name]
    print(f"Sheet: {sheet_name}")

# 셀 수정
sheet['A1'] = 'New Value'
sheet.insert_rows(2)  # 2번 위치에 행 삽입
sheet.delete_cols(3)  # 3번 열 삭제

# 새 시트 추가
new_sheet = wb.create_sheet('NewSheet')
new_sheet['A1'] = 'Data'

wb.save('modified.xlsx')

수식 재계산

openpyxl로 생성하거나 수정한 Excel 파일에는 수식이 문자열로 포함되어 있지만 계산된 값은 없습니다. 제공된 scripts/recalc.py 스크립트를 사용하여 수식을 재계산하세요:

python scripts/recalc.py <excel_file> [timeout_seconds]

예시:

python scripts/recalc.py output.xlsx 30

이 스크립트는:

첫 실행 시 LibreOffice 매크로를 자동으로 설정합니다
모든 시트의 모든 수식을 재계산합니다
모든 셀에서 Excel 오류(#REF!, #DIV/0! 등)를 스캔합니다
상세한 오류 위치와 개수가 포함된 JSON을 반환합니다
Linux와 macOS 모두에서 동작합니다

수식 검증 체크리스트

수식이 올바르게 동작하는지 확인하기 위한 빠른 점검:

필수 검증

샘플 참조 2-3개 테스트: 전체 모델을 구축하기 전에 올바른 값을 가져오는지 확인
열 매핑: Excel 열이 일치하는지 확인 (예: 64번째 열 = BL, BK가 아님)
행 오프셋: Excel 행은 1부터 시작한다는 점 기억 (DataFrame 행 5 = Excel 행 6)

일반적인 함정

NaN 처리: pd.notna()로 null 값 확인
맨 오른쪽 열: FY 데이터는 종종 50번째 이상의 열에 위치
다중 매칭: 첫 번째뿐만 아니라 모든 발생을 검색
0으로 나누기: 수식에서 /를 사용하기 전에 분모 확인 (#DIV/0!)
잘못된 참조: 모든 셀 참조가 의도한 셀을 가리키는지 확인 (#REF!)
시트 간 참조: 시트 연결에 올바른 형식(Sheet1!A1) 사용

수식 테스트 전략

작게 시작: 광범위하게 적용하기 전에 2-3개 셀에서 수식 테스트
의존성 확인: 수식에서 참조하는 모든 셀이 존재하는지 확인
에지 케이스 테스트: 0, 음수, 매우 큰 값 포함

scripts/recalc.py 출력 해석

스크립트는 오류 세부사항이 포함된 JSON을 반환합니다:

{
  "status": "success",           // 또는 "errors_found"
  "total_errors": 0,              // 총 오류 수
  "total_formulas": 42,           // 파일 내 수식 수
  "error_summary": {              // 오류가 발견된 경우에만 존재
    "#REF!": {
      "count": 2,
      "locations": ["Sheet1!B5", "Sheet1!C10"]
    }
  }
}

모범 사례

라이브러리 선택

pandas: 데이터 분석, 대량 작업, 간단한 데이터 내보내기에 최적
openpyxl: 복잡한 서식, 수식, Excel 전용 기능에 최적

openpyxl 작업

셀 인덱스는 1부터 시작 (row=1, column=1은 A1 셀을 가리킴)
계산된 값을 읽으려면 data_only=True 사용: load_workbook('file.xlsx', data_only=True)
경고: data_only=True로 열고 저장하면 수식이 값으로 대체되어 영구적으로 손실됩니다
대용량 파일의 경우: 읽기에 read_only=True, 쓰기에 write_only=True 사용
수식은 유지되지만 평가되지 않음 - 값 업데이트에 scripts/recalc.py 사용

pandas 작업

추론 문제를 피하려면 데이터 타입을 지정: pd.read_excel('file.xlsx', dtype={'id': str})
대용량 파일의 경우 특정 열만 읽기: pd.read_excel('file.xlsx', usecols=['A', 'C', 'E'])
날짜를 올바르게 처리: pd.read_excel('file.xlsx', parse_dates=['date_column'])

코드 스타일 가이드라인

중요: Excel 작업을 위한 Python 코드 생성 시:

불필요한 주석 없이 최소한의 간결한 Python 코드 작성
장황한 변수명과 불필요한 작업 피하기
불필요한 print 문 피하기

Excel 파일 자체에 대해:

복잡한 수식이나 중요한 가정이 있는 셀에 코멘트 추가
하드코딩된 값의 데이터 출처 문서화
핵심 계산과 모델 섹션에 대한 노트 포함

📌 참고: 이 문서는 공식 Claude Code 문서의 원문 + 레퍼런스입니다.

원문 링크를 직접 사용하셔도 됩니다

이 파일을 .claude/skills/ 하위에 복사하여 스킬로 등록할 수도 있습니다

(2026.03.15 기준)

출력물 요구사항

모든 Excel 파일

전문적인 폰트

사용자가 별도로 지시하지 않는 한 모든 결과물에 일관되고 전문적인 폰트(예: Arial, Times New Roman)를 사용하세요

수식 오류 제로

모든 Excel 모델은 수식 오류(#REF!, #DIV/0!, #VALUE!, #N/A, #NAME?) 없이 제공되어야 합니다

기존 템플릿 유지 (템플릿 업데이트 시)

파일 수정 시 기존 형식, 스타일, 규칙을 정확히 파악하고 일치시키세요
이미 확립된 패턴이 있는 파일에 표준화된 서식을 강요하지 마세요
기존 템플릿 규칙은 항상 이 가이드라인보다 우선합니다

재무 모델

색상 코딩 표준

사용자나 기존 템플릿에서 별도로 명시하지 않는 한

업계 표준 색상 규칙

파란색 텍스트 (RGB: 0,0,255): 하드코딩된 입력값, 시나리오용으로 사용자가 변경할 숫자
검은색 텍스트 (RGB: 0,0,0): 모든 수식과 계산
녹색 텍스트 (RGB: 0,128,0): 동일 워크북 내 다른 워크시트에서 가져오는 링크
빨간색 텍스트 (RGB: 255,0,0): 다른 파일로의 외부 링크
노란색 배경 (RGB: 255,255,0): 주의가 필요한 핵심 가정 또는 업데이트가 필요한 셀

숫자 서식 표준

필수 서식 규칙

연도: 텍스트 문자열로 서식 (예: "2024"이지 "2,024"가 아님)
통화: $#,##0 서식 사용; 항상 헤더에 단위를 명시 ("Revenue ($mm)")
0값: 숫자 서식을 사용하여 모든 0을 "-"로 표시, 백분율 포함 (예: "$#,##0;($#,##0);-")
백분율: 기본적으로 0.0% 서식 (소수점 한 자리)
배수: 밸류에이션 배수에 0.0x 서식 (EV/EBITDA, P/E)
음수: 마이너스(-123)가 아닌 괄호(123) 사용

수식 작성 규칙

가정 배치

모든 가정(성장률, 마진, 배수 등)을 별도의 가정 셀에 배치
수식에서 하드코딩된 값 대신 셀 참조 사용
예: =B51.05 대신 =B5(1+$B$6) 사용

수식 오류 방지

모든 셀 참조가 올바른지 확인
범위의 off-by-one 오류 확인
모든 추정 기간에 걸쳐 일관된 수식 보장
에지 케이스로 테스트 (0값, 음수)
의도하지 않은 순환 참조가 없는지 확인

하드코드 문서화 요구사항

코멘트 또는 옆의 셀에 기록 (표 끝인 경우). 형식: "Source: [시스템/문서], [날짜], [구체적 참조], [해당하는 경우 URL]"
예시:
- "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 생성, 편집, 분석

개요

사용자가 .xlsx 파일의 생성, 편집, 또는 내용 분석을 요청할 수 있습니다. 작업에 따라 다양한 도구와 워크플로우를 사용할 수 있습니다.

중요 요구사항

데이터 읽기 및 분석

pandas를 사용한 데이터 분석

데이터 분석, 시각화, 기본 작업에는 강력한 데이터 조작 기능을 제공하는 pandas를 사용하세요:

import pandas as pd

# Excel 읽기
df = pd.read_excel('file.xlsx')  # 기본값: 첫 번째 시트
all_sheets = pd.read_excel('file.xlsx', sheet_name=None)  # 모든 시트를 dict로

# 분석
df.head()      # 데이터 미리보기
df.info()      # 열 정보
df.describe()  # 통계

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

Excel 파일 워크플로우

중요: 하드코딩된 값이 아닌 수식을 사용하세요

WRONG - 계산된 값 하드코딩

# 나쁨: Python에서 계산하고 결과를 하드코딩
total = df['Sales'].sum()
sheet['B10'] = total  # 5000을 하드코딩

# 나쁨: Python에서 성장률 계산
growth = (df.iloc[-1]['Revenue'] - df.iloc[0]['Revenue']) / df.iloc[0]['Revenue']
sheet['C5'] = growth  # 0.15를 하드코딩

# 나쁨: Python으로 평균 계산
avg = sum(values) / len(values)
sheet['D20'] = avg  # 42.5를 하드코딩

CORRECT - Excel 수식 사용

# 좋음: Excel에서 합계를 계산하게 하기
sheet['B10'] = '=SUM(B2:B9)'

# 좋음: 성장률을 Excel 수식으로
sheet['C5'] = '=(C4-C2)/C2'

# 좋음: Excel 함수로 평균
sheet['D20'] = '=AVERAGE(D2:D19)'

이는 모든 계산에 적용됩니다 - 합계, 백분율, 비율, 차이 등. 스프레드시트는 원본 데이터가 변경될 때 재계산할 수 있어야 합니다.

일반 워크플로우

도구 선택: 데이터용 pandas, 수식/서식용 openpyxl
생성/로드: 새 워크북 생성 또는 기존 파일 로드
수정: 데이터, 수식, 서식 추가/편집
저장: 파일로 쓰기
수식 재계산 (수식 사용 시 필수): scripts/recalc.py 스크립트 사용
```
python scripts/recalc.py output.xlsx
```
오류 확인 및 수정:
- 스크립트는 오류 세부사항이 포함된 JSON을 반환합니다
- status가 errors_found이면 error_summary에서 특정 오류 유형과 위치를 확인하세요
- 확인된 오류를 수정하고 다시 재계산하세요
- 수정해야 할 일반적인 오류:
  - #REF!: 유효하지 않은 셀 참조
  - #DIV/0!: 0으로 나누기
  - #VALUE!: 수식에서 잘못된 데이터 타입
  - #NAME?: 인식되지 않는 수식 이름

새 Excel 파일 생성

# 수식과 서식을 위해 openpyxl 사용
from openpyxl import Workbook
from openpyxl.styles import Font, PatternFill, Alignment

wb = Workbook()
sheet = wb.active

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

# 수식 추가
sheet['B2'] = '=SUM(A1:A10)'

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

# 열 너비
sheet.column_dimensions['A'].width = 20

wb.save('output.xlsx')

기존 Excel 파일 편집

# 수식과 서식을 유지하기 위해 openpyxl 사용
from openpyxl import load_workbook

# 기존 파일 로드
wb = load_workbook('existing.xlsx')
sheet = wb.active  # 또는 특정 시트를 위해 wb['SheetName']

# 여러 시트 작업
for sheet_name in wb.sheetnames:
    sheet = wb[sheet_name]
    print(f"Sheet: {sheet_name}")

# 셀 수정
sheet['A1'] = 'New Value'
sheet.insert_rows(2)  # 2번 위치에 행 삽입
sheet.delete_cols(3)  # 3번 열 삭제

# 새 시트 추가
new_sheet = wb.create_sheet('NewSheet')
new_sheet['A1'] = 'Data'

wb.save('modified.xlsx')

수식 재계산

python scripts/recalc.py <excel_file> [timeout_seconds]

예시:

python scripts/recalc.py output.xlsx 30

이 스크립트는:

첫 실행 시 LibreOffice 매크로를 자동으로 설정합니다
모든 시트의 모든 수식을 재계산합니다
모든 셀에서 Excel 오류(#REF!, #DIV/0! 등)를 스캔합니다
상세한 오류 위치와 개수가 포함된 JSON을 반환합니다
Linux와 macOS 모두에서 동작합니다

수식 검증 체크리스트

수식이 올바르게 동작하는지 확인하기 위한 빠른 점검:

필수 검증

샘플 참조 2-3개 테스트: 전체 모델을 구축하기 전에 올바른 값을 가져오는지 확인
열 매핑: Excel 열이 일치하는지 확인 (예: 64번째 열 = BL, BK가 아님)
행 오프셋: Excel 행은 1부터 시작한다는 점 기억 (DataFrame 행 5 = Excel 행 6)

일반적인 함정

NaN 처리: pd.notna()로 null 값 확인
맨 오른쪽 열: FY 데이터는 종종 50번째 이상의 열에 위치
다중 매칭: 첫 번째뿐만 아니라 모든 발생을 검색
0으로 나누기: 수식에서 /를 사용하기 전에 분모 확인 (#DIV/0!)
잘못된 참조: 모든 셀 참조가 의도한 셀을 가리키는지 확인 (#REF!)
시트 간 참조: 시트 연결에 올바른 형식(Sheet1!A1) 사용

수식 테스트 전략

작게 시작: 광범위하게 적용하기 전에 2-3개 셀에서 수식 테스트
의존성 확인: 수식에서 참조하는 모든 셀이 존재하는지 확인
에지 케이스 테스트: 0, 음수, 매우 큰 값 포함

scripts/recalc.py 출력 해석

스크립트는 오류 세부사항이 포함된 JSON을 반환합니다:

{
  "status": "success",           // 또는 "errors_found"
  "total_errors": 0,              // 총 오류 수
  "total_formulas": 42,           // 파일 내 수식 수
  "error_summary": {              // 오류가 발견된 경우에만 존재
    "#REF!": {
      "count": 2,
      "locations": ["Sheet1!B5", "Sheet1!C10"]
    }
  }
}

모범 사례

라이브러리 선택

pandas: 데이터 분석, 대량 작업, 간단한 데이터 내보내기에 최적
openpyxl: 복잡한 서식, 수식, Excel 전용 기능에 최적

openpyxl 작업

셀 인덱스는 1부터 시작 (row=1, column=1은 A1 셀을 가리킴)
계산된 값을 읽으려면 data_only=True 사용: load_workbook('file.xlsx', data_only=True)
경고: data_only=True로 열고 저장하면 수식이 값으로 대체되어 영구적으로 손실됩니다
대용량 파일의 경우: 읽기에 read_only=True, 쓰기에 write_only=True 사용
수식은 유지되지만 평가되지 않음 - 값 업데이트에 scripts/recalc.py 사용

pandas 작업

추론 문제를 피하려면 데이터 타입을 지정: pd.read_excel('file.xlsx', dtype={'id': str})
대용량 파일의 경우 특정 열만 읽기: pd.read_excel('file.xlsx', usecols=['A', 'C', 'E'])
날짜를 올바르게 처리: pd.read_excel('file.xlsx', parse_dates=['date_column'])

코드 스타일 가이드라인

중요: Excel 작업을 위한 Python 코드 생성 시:

불필요한 주석 없이 최소한의 간결한 Python 코드 작성
장황한 변수명과 불필요한 작업 피하기
불필요한 print 문 피하기

Excel 파일 자체에 대해:

복잡한 수식이나 중요한 가정이 있는 셀에 코멘트 추가
하드코딩된 값의 데이터 출처 문서화
핵심 계산과 모델 섹션에 대한 노트 포함

[official skill] XLSX 생성

출력물 요구사항

모든 Excel 파일

전문적인 폰트

수식 오류 제로

기존 템플릿 유지 (템플릿 업데이트 시)

재무 모델

색상 코딩 표준

업계 표준 색상 규칙

숫자 서식 표준

필수 서식 규칙

수식 작성 규칙

가정 배치

수식 오류 방지

하드코드 문서화 요구사항

XLSX 생성, 편집, 분석

개요

중요 요구사항

데이터 읽기 및 분석

pandas를 사용한 데이터 분석

Excel 파일 워크플로우

중요: 하드코딩된 값이 아닌 수식을 사용하세요

WRONG - 계산된 값 하드코딩

CORRECT - Excel 수식 사용

일반 워크플로우

새 Excel 파일 생성

기존 Excel 파일 편집

수식 재계산

수식 검증 체크리스트

필수 검증

일반적인 함정

수식 테스트 전략

scripts/recalc.py 출력 해석

모범 사례

라이브러리 선택

openpyxl 작업

pandas 작업

코드 스타일 가이드라인

[official skill] XLSX 생성

출력물 요구사항

모든 Excel 파일

전문적인 폰트

수식 오류 제로

기존 템플릿 유지 (템플릿 업데이트 시)

재무 모델

색상 코딩 표준

업계 표준 색상 규칙

숫자 서식 표준

필수 서식 규칙

수식 작성 규칙

가정 배치

수식 오류 방지

하드코드 문서화 요구사항

XLSX 생성, 편집, 분석

개요

중요 요구사항

데이터 읽기 및 분석

pandas를 사용한 데이터 분석

Excel 파일 워크플로우

중요: 하드코딩된 값이 아닌 수식을 사용하세요

WRONG - 계산된 값 하드코딩

CORRECT - Excel 수식 사용

일반 워크플로우

새 Excel 파일 생성

기존 Excel 파일 편집

수식 재계산

수식 검증 체크리스트

필수 검증

일반적인 함정

수식 테스트 전략

scripts/recalc.py 출력 해석

모범 사례

라이브러리 선택

openpyxl 작업

pandas 작업

코드 스타일 가이드라인