top-value-coloring

仓库创建 2026年4月14日最近提交 18 小时前SkillHot 收录 21 天前

这个 Skill 做什么

按数据规模自动选策略，合并多张 Sheet 的关键维度、清洗并做 Top‑N 筛选，然后用 openpyxl 把关键指标高亮和格式化导出为 Excel。适合需要把统计结果直接给业务看、要可视化重点数值的场景。自动上色和格式化能省很多手工调整时间。

▸ 展开 SKILL.md 英文原文

根据数据规模动态选择处理策略，对多表数据进行合并、统计筛选，并利用 openpyxl 实现关键指标的自动化样式高亮与格式化导出。

4.8k

Stars

331

Forks

仓库内 Skill

+142

7 日增星

安装 / 使用

给你的 Agent 一句话（通用）

帮我安装这个 skill：https://raw.githubusercontent.com/OpenSenseNova/SenseNova-Skills/main/skills/sn-da-excel-workflow/capability/excel-cell-coloring/top-value-coloring/SKILL.md

或 curl 直取 SKILL.md

curl -fsSL "https://raw.githubusercontent.com/OpenSenseNova/SenseNova-Skills/main/skills/sn-da-excel-workflow/capability/excel-cell-coloring/top-value-coloring/SKILL.md"

SKILL.MD 节选查看完整文件 ↗

Step1 提取并合并多个 Sheet 中的关键维度数据，进行数据清洗、类型转换及 Top-N 筛选。
```python
# 示例：合并两个 Sheet 的数据
# 读取 Sheet1 并清洗
df1 = pd.read_excel(file_path, sheet_name='Sheet1', header=None)
# 假设 group_col 在第0列，value_col 在第2列
data1 = df1.iloc[20:, [0, 2]].copy()
data1.columns = ['group_col', 'value_col_1']
data1['value_col_1'] = pd.to_numeric(data1['value_col_1'], errors='coerce')
data1['group_col'] = data1['group_col'].ffill() # 处理合并单元格产生的缺失

# 读取 Sheet2 并清洗
df2 = pd.read_excel(file_path, sheet_name='Sheet2', header=None)
data2 = df2.iloc[5:, [0, 1]].copy()
data2.columns = ['value_col_2', 'value_col_3']

# 合并数据
merged_df = pd.concat([data1.reset_index(drop=True), data2.reset_index(drop=True)], axis=1)
merged_df = merg

via SKILL·HOT · 数据来自 GitHub 公开信息 · 原文版权归作者所有