Requirements
- Target platform
- OpenClaw
- Install method
- Manual import
- Extraction
- Extract archive
- Prerequisites
- OpenClaw
- Primary doc
- SKILL.md
Tencent SkillHub · Productivity
Xlsx Pro
Compétence pour manipuler les fichiers Excel (.xlsx, .xlsm, .csv, .tsv). Utiliser quand l'utilisateur veut : ouvrir, lire, éditer ou créer un fichier tableur ; ajouter des colonnes, calculer des formules, formater, créer des graphiques, nettoyer des données ; convertir entre formats tabulaires. Le livrable doit être un fichier tableur. NE PAS utiliser si le livrable est un document Word, HTML, script Python standalone, ou intégration Google Sheets.
skill openclawclawhub Free
Compétence pour manipuler les fichiers Excel (.xlsx, .xlsm, .csv, .tsv). Utiliser quand l'utilisateur veut : ouvrir, lire, éditer ou créer un fichier tableur ; ajouter des colonnes, calculer des formules, formater, créer des graphiques, nettoyer des données ; convertir entre formats tabulaires. Le livrable doit être un fichier tableur. NE PAS utiliser si le livrable est un document Word, HTML, script Python standalone, ou intégration Google Sheets.
⬇ 0 downloads ★ 0 stars Unverified but indexed
Install for OpenClaw
Quick setup
- Download the package from Yavira.
- Extract the archive and review SKILL.md first.
- Import or place the package into your OpenClaw setup.
Package facts
- Download mode
- Yavira redirect
- Package format
- ZIP package
- Source platform
- Tencent SkillHub
- What's included
- README.md, SKILL.md, scripts/office/__init__.py, scripts/office/soffice.py, scripts/recalc.py
Validation
- Use the Yavira download entry.
- Review SKILL.md after the package is downloaded.
- Confirm the extracted package contains the expected setup assets.
Install with your agent
Agent handoff
Hand the extracted package to your coding agent with a concrete install brief instead of figuring it out manually.
- Download the package from Yavira.
- Extract it into a folder your agent can access.
- Paste one of the prompts below and point your agent at the extracted folder.
New install
I downloaded a skill package from Yavira. Read SKILL.md from the extracted folder and install it by following the included instructions. Then review README.md for any prerequisites, environment setup, or post-install checks. Tell me what you changed and call out any manual steps you could not complete.
Upgrade existing
I downloaded an updated skill package from Yavira. Read SKILL.md from the extracted folder, compare it with my current installation, and upgrade it while preserving any custom configuration unless the package docs explicitly say otherwise. Then review README.md for any prerequisites, environment setup, or post-install checks. Summarize what changed and any follow-up checks I should run.
Trust & source
Release facts
- Source
- Tencent SkillHub
- Verification
- Indexed source record
- Version
- 1.0.1
Provenance
- Publisher
- ricobaboule
- Source page
- View original listing
- Canonical URL
- Open canonical page
Documentation
TL;DR
Génère/édite des fichiers Excel avec des formules (pas des valeurs hardcodées). Optionnel: recalcul via LibreOffice headless + détection d’erreurs Excel. Livrable attendu: un fichier tableur propre (XLSX/XLSM/CSV/TSV).
Dépendances Python
pip install openpyxl pandas xlrd xlwt
LibreOffice (pour recalcul des formules)
# Ubuntu/Debian sudo apt-get install libreoffice-calc libreoffice-common
Police Professionnelle
Utiliser une police cohérente (Arial, Times New Roman) sauf instruction contraire
Zéro Erreur de Formule
Tout fichier Excel DOIT être livré SANS erreurs (#REF!, #DIV/0!, #VALUE!, #N/A, #NAME?)
Préservation des Templates
Respecter EXACTEMENT le format et style existants lors de modifications Les conventions du template préexistant ont TOUJOURS priorité
Code Couleur (Standards Industrie)
Texte bleu (RGB: 0,0,255) : Inputs hardcodés, valeurs modifiables Texte noir (RGB: 0,0,0) : TOUTES les formules et calculs Texte vert (RGB: 0,128,0) : Liens vers autres feuilles du même classeur Texte rouge (RGB: 255,0,0) : Liens externes vers autres fichiers Fond jaune (RGB: 255,255,0) : Hypothèses clés ou cellules à mettre à jour
Formatage des Nombres
Années : Format texte ("2024" pas "2,024") Devises : Format $#,##0 ; spécifier unités dans les en-têtes ("Revenue ($mm)") Zéros : Afficher comme "-" (format: "$#,##0;($#,##0);-") Pourcentages : Format 0.0% par défaut Multiples : Format 0.0x (EV/EBITDA, P/E) Négatifs : Parenthèses (123) pas moins -123
CRITIQUE : Utiliser des Formules, PAS des Valeurs Hardcodées
TOUJOURS utiliser des formules Excel au lieu de calculer en Python et hardcoder.
❌ MAUVAIS - Hardcoding
# Mauvais: Calcul Python puis hardcode total = df['Sales'].sum() sheet['B10'] = total # Hardcode 5000 # Mauvais: Taux de croissance calculé en Python growth = (df.iloc[-1]['Revenue'] - df.iloc[0]['Revenue']) / df.iloc[0]['Revenue'] sheet['C5'] = growth # Hardcode 0.15
✅ CORRECT - Formules Excel
# Bon: Laisser Excel calculer sheet['B10'] = '=SUM(B2:B9)' # Bon: Taux de croissance en formule Excel sheet['C5'] = '=(C4-C2)/C2' # Bon: Moyenne en fonction Excel sheet['D20'] = '=AVERAGE(D2:D19)'
Workflow Standard
Choisir l'outil : pandas pour données, openpyxl pour formules/formatage Créer/Charger : Nouveau classeur ou fichier existant Modifier : Données, formules, formatage Sauvegarder : Écrire le fichier Recalculer (OBLIGATOIRE si formules) : python scripts/recalc.py output.xlsx Vérifier et corriger les erreurs détectées
Lecture et Analyse avec pandas
import pandas as pd # Lire Excel df = pd.read_excel('file.xlsx') # Première feuille par défaut all_sheets = pd.read_excel('file.xlsx', sheet_name=None) # Dict de toutes les feuilles # Analyser df.head() # Aperçu df.info() # Info colonnes df.describe() # Statistiques # Écrire df.to_excel('output.xlsx', index=False)
Création de Fichiers Excel
from openpyxl import Workbook from openpyxl.styles import Font, PatternFill, Alignment wb = Workbook() sheet = wb.active # Données sheet['A1'] = 'Hello' sheet['B1'] = 'World' sheet.append(['Row', 'of', 'data']) # Formule sheet['B2'] = '=SUM(A1:A10)' # Formatage sheet['A1'].font = Font(bold=True, color='FF0000') sheet['A1'].fill = PatternFill('solid', start_color='FFFF00') sheet['A1'].alignment = Alignment(horizontal='center') # Largeur colonne sheet.column_dimensions['A'].width = 20 wb.save('output.xlsx')
Édition de Fichiers Existants
from openpyxl import load_workbook # Charger fichier existant wb = load_workbook('existing.xlsx') sheet = wb.active # ou wb['NomFeuille'] # Parcourir les feuilles for sheet_name in wb.sheetnames: sheet = wb[sheet_name] print(f"Feuille: {sheet_name}") # Modifier sheet['A1'] = 'Nouvelle Valeur' sheet.insert_rows(2) # Insérer ligne sheet.delete_cols(3) # Supprimer colonne # Ajouter feuille new_sheet = wb.create_sheet('NouvelleFeuille') new_sheet['A1'] = 'Data' wb.save('modified.xlsx')
Recalcul des Formules
Les fichiers créés par openpyxl contiennent les formules comme chaînes mais pas les valeurs calculées. Utiliser le script recalc.py : python scripts/recalc.py <fichier_excel> [timeout_secondes] Le script : Configure automatiquement la macro LibreOffice au premier lancement Recalcule toutes les formules Scanne TOUTES les cellules pour erreurs Excel Retourne JSON avec détails et emplacements des erreurs
Interprétation de la Sortie
{ "status": "success", // ou "errors_found" "total_errors": 0, // Nombre total d'erreurs "total_formulas": 42, // Nombre de formules "error_summary": { // Présent si erreurs "#REF!": { "count": 2, "locations": ["Sheet1!B5", "Sheet1!C10"] } } }
Vérifications Essentielles
Tester 2-3 références : Vérifier qu'elles tirent les bonnes valeurs Mapping colonnes : Confirmer correspondance (colonne 64 = BL, pas BK) Offset lignes : Excel est 1-indexé (DataFrame row 5 = Excel row 6)
Pièges Courants
Gestion NaN : Vérifier valeurs nulles avec pd.notna() Colonnes éloignées : Données FY souvent en colonnes 50+ Correspondances multiples : Chercher toutes les occurrences Division par zéro : Vérifier dénominateurs (#DIV/0!) Références invalides : Vérifier que toutes pointent vers cellules existantes (#REF!) Références inter-feuilles : Format correct (Sheet1!A1)
Sélection de Bibliothèque
pandas : Analyse de données, opérations en masse, export simple openpyxl : Formatage complexe, formules, fonctionnalités Excel spécifiques
Avec openpyxl
Indices de cellules en base 1 (row=1, column=1 = cellule A1) data_only=True pour lire valeurs calculées Attention : Sauvegarder après data_only=True remplace définitivement les formules par les valeurs Pour gros fichiers : read_only=True ou write_only=True
Avec pandas
Spécifier types de données : pd.read_excel('file.xlsx', dtype={'id': str}) Pour gros fichiers, colonnes spécifiques : usecols=['A', 'C', 'E'] Gestion des dates : parse_dates=['date_column']
Style de Code
IMPORTANT : Code Python minimal et concis, sans commentaires superflus. Pour les fichiers Excel : Commenter les cellules avec formules complexes Documenter les sources des données hardcodées Inclure notes pour calculs clés
Category context
Workflow acceleration for inboxes, docs, calendars, planning, and execution loops.
Source: Tencent SkillHub
Largest current source with strong distribution and engagement signals.
Package contents
Included in package
3 Scripts2 Docs
- SKILL.md
- README.md
- scripts/office/__init__.py
- scripts/office/soffice.py
- scripts/recalc.py