Excel Filter

> This skill follows [[excel-safe-workflow]] four-step method. Filtering logic uses pandas (fast), deletion uses XML direct ops (fast + format-preserving). > 本技能遵循 [[excel-safe-workflow]] 四步法。筛选逻辑用 pandas（快），删除用 XML 直接操作（快+格式无损）。

Excel Filter / Excel 筛选

Two Modes / 两种模式

| 模式 | 含义 | 用户说 | |------|------|--------| | keep（保留） | 保留符合条件的行，删除其余 | "只要2020年后的""保留已授权的" | | remove（删除） | 删除符合条件的行，保留其余 | "删掉空白的""去掉无效数据" |

默认是 keep 模式。

第零步：需求解析

条件类型识别

| 用户说 | 条件类型 | pandas 表达式 | |--------|----------|---------------| | "申请日大于2020年" | 大于 | df[col] > '2020-01-01' | | "申请日=2020年" | 等于 | df[col] == '2020' | | "标题包含石墨烯" | 包含 | df[col].str.contains('石墨烯', na=False) | | "申请人包含 华为 或 腾讯" | 包含(或) | df[col].str.contains('华为|腾讯', na=False) | | "申请日在2020到2023之间" | 范围 | `(df[col] >= '2020-01-01') & (df[col] 2022的" | keep模式, 当前法律状态=授权 AND 申请日>2022 |

第一步：勘察

import os, sys
sys.stdout.reconfigure(encoding='utf-8')
from openpyxl import load_workbook

FILE = '目标文件.xlsx'
size_mb = os.path.getsize(FILE) / 1024 / 1024
print(f'文件大小: {size_mb:.1f} MB')

wb = load_workbook(FILE, read_only=True)
ws = wb.active
print(f'工作表: {ws.title}, 行: {ws.max_row}, 列: {ws.max_column}')

# 表头
print('\n=== 表头 ===')
for col_idx in range(1, min(ws.max_column + 1, 30)):
    h = ws.cell(row=1, column=col_idx).value
    if h:
        col_letter = chr(64 + col_idx) if col_idx  VALUE
elif OPERATOR == 'gte':
    mask = df[COL] >= VALUE
elif OPERATOR == 'lt':
    mask = df[COL] = VALUE[0]) & (df[COL]  "筛选完成，共删除 X 行。XML 删除后行号不连续，Excel 打开会看到空白行。是否压实行号让数据连续？"

用户确认后，执行 [[excel-delete]] 中的压实步骤（解压 → 行号重新连续编号 → 公式引用同步更新 → 打包）。

## 第四步：验证

```python
print(f'\n③ 验证...')

# 用 openpyxl 验证
from openpyxl import load_workbook
wb = load_workbook(FILE, read_only=True, data_only=True)
ws = wb.active
print(f'  当前: {ws.max_row}行 × {ws.max_column}列')

# 公式健康检查
print(f'  公式健康检查...')
ref_errors = 0
for row_idx in range(1, min(50, ws.max_row + 1)):
    for col_idx in range(1, min(10, ws.max_column + 1)):
        v = ws.cell(row=row_idx, column=col_idx).value
        if v and isinstance(v, str) and '#REF!' in v:
            print(f'  ❌ {ws.cell(row=row_idx, column=col_idx).coordinate}: {v}')
            ref_errors += 1
if ref_errors == 0:
    print(f'  ✅ 无 #REF!')

wb.close()

# 用 pandas 验证筛选结果
df2 = pd.read_excel(FILE)
print(f'  结果行数: {len(df2)}')
if MODE == 'keep':
    # 检查留下的都满足条件
    if OPERATOR == 'contains':
        not_match = df2[~df2[COL].astype(str).str.contains(VALUE, na=False)]
    elif OPERATOR == 'eq':
        not_match = df2[df2[COL] != VALUE]
    print(f'  不符合条件残留: {len(not_match)} {"✅" if len(not_match)==0 else "❌"}')

常用条件速查

# 单条件
df['申请人'] == '华为技术有限公司'                            # 等于
df['申请人'].str.contains('华为', na=False)                   # 包含
df['申请日'] >= '2020-01-01'                                  # 大于等于
df['申请日'].between('2020-01-01', '2023-12-31')              # 范围
df['申请人'].isna()                                           # 为空

# 多条件
(df['申请人'].str.contains('华为', na=False)) & (df['法律状态'] == '授权')   # 与
(df['申请人'].str.contains('华为', na=False)) | (df['申请人'].str.contains('腾讯', na=False))  # 或
~(df['申请人'].str.contains('华为', na=False))                               # 非

注意事项

1. 条件用 pandas：pandas 的字符串/日期比较比 openpyxl 逐格判断快几个数量级
2. 删除用 XML：格式无损，比 openpyxl 快 10 倍
3. 操作前必备份：遵循 [[excel-safe-workflow]] 第零步——操作前自动备份（时间戳命名），成功后保留最新3份，失误后立即删除损坏文件并从备份恢复
4. 日期列：如果是 Excel 日期（datetime 类型），用 pd.Timestamp('2020-01-01') 比较
5. 空值：isna() 匹配 None/NaN，不会匹配空字符串，如需匹配空字符串用 df[col] == ''

Source & license

This open-source skill is cataloged on AgentStack and links to its original source — we do not rehost the code.

• Author: YuYY2004
• Source: YuYY2004/excel-skills
• License: MIT

Install and usage instructions live in the source repository linked above.