Xlwings写入Excel公式自动添加@符号导致值错误问题咨询

公式中被自动插入的@是Excel 365/2021版本引入的隐式交集运算符。xlwings默认调用传统非动态数组公式写入接口，当写入的公式包含整列多字段拼接这类动态数组运算逻辑时，Excel兼容模式会自动在数组运算位置插入@，强制公式按单值计算，直接破坏原有数组匹配逻辑。
此前写入其他公式未出现该问题，是因为这类公式未涉及跨整列的数组运算，不需要触发动态数组计算引擎，因此不会被自动插入@。

不要使用默认的.formula属性写入这类数组公式，根据你的xlwings版本选择对应属性即可：

• 0.22及以上版本优先使用.formula2属性，对应Excel原生动态数组公式写入接口，写入时完全不会自动插入多余的@
• 旧版本使用.formula_array属性，按数组公式格式写入
  写入前注意删除公式字符串中=和IF之间的多余空格，避免旧版Excel出现公式识别异常。
  修改后的参考代码：

formulaColumnN = "=IF(INDEX('ZOR-ZCCK'!E:E,MATCH(E2&F2&H2&I2,'ZOR-ZCCK'!E:E&'ZOR-ZCCK'!F:F&'ZOR-ZCCK'!H:H&'ZOR-ZCCK'!I:I,0)-1)=\"TAPA\",INDEX('ZOR-ZCCK'!M:M,MATCH(E2&F2&H2&I2,'ZOR-ZCCK'!E:E&'ZOR-ZCCK'!F:F&'ZOR-ZCCK'!H:H&'ZOR-ZCCK'!I:I,0)-1),INDEX('ZOR-ZCCK'!M:M,MATCH(E2&F2&H2&I2,'ZOR-ZCCK'!E:E&'ZOR-ZCCK'!F:F&'ZOR-ZCCK'!H:H&'ZOR-ZCCK'!I:I,0)))"
# 新版本xlwings用这行
sheet3.range("N2").formula2 = formulaColumnN
# 旧版本xlwings注释掉上面那行，改用这行
# sheet3.range("N2").formula_array = formulaColumnN

无需硬套Excel的数组匹配逻辑，Pandas处理这类关联匹配效率更高，按以下步骤实现即可：

1. 分别读取当前工作表、ZOR-ZCCK工作表的数据为DataFrame，提前统一空值格式避免匹配异常
2. 对ZOR-ZCCK对应的DataFrame，将E、F、H、I四列值拼接为单独的match_key列作为匹配依据
3. 为ZOR-ZCCK表生成两个错位辅助列：将E列、M列分别向上偏移1行，对应原公式中MATCH结果-1取上一行值的逻辑
4. 对当前工作表的DataFrame，同样拼接E、F、H、I四列生成match_key列，通过字典映射或merge方式和ZOR-ZCCK的预处理数据关联：判断匹配到的错位E列值是否为TAPA，是则取错位M列值，否则取正常匹配的M列值
5. 将计算完成的结果批量写回工作表N列即可
   参考核心代码：

import pandas as pd
import xlwings as xw

wb = xw.books.active
# 读取两个工作表数据，header参数根据你实际表头所在行调整
df_main = sheet3.used_range.options(pd.DataFrame, index=False, header=True).value
df_zor = wb.sheets['ZOR-ZCCK'].used_range.options(pd.DataFrame, index=False, header=True).value

# 匹配用的列，替换为你实际的列名即可
match_cols = ['colE', 'colF', 'colH', 'colI']
# 预处理ZOR-ZCCK表
df_zor['match_key'] = df_zor[match_cols].astype(str).agg(''.join, axis=1)
# 向上偏移1行生成辅助列，对应原公式取匹配结果上一行的逻辑
df_zor['E_prev'] = df_zor['colE'].shift(-1)
df_zor['M_prev'] = df_zor['colM'].shift(-1)
# 生成匹配映射
match_dict = df_zor.set_index('match_key')[['E_prev', 'M_prev', 'colM']].to_dict('index')

# 计算主表结果
df_main['match_key'] = df_main[match_cols].astype(str).agg(''.join, axis=1)
def get_result(key):
    match_item = match_dict.get(key)
    if not match_item:
        return None # 无匹配结果时的默认值可按需求修改
    return match_item['M_prev'] if match_item['E_prev'] == 'TAPA' else match_item['colM']
df_main['N_col_result'] = df_main['match_key'].apply(get_result)

# 结果写回N列，从N2单元格开始写入
sheet3.range('N2').options(index=False, header=False).value = df_main['N_col_result']

如果数据量超过10万行，把apply逻辑替换为merge关联匹配，运行速度会有明显提升，核心判断逻辑保持一致即可。

内容的提问来源于stack exchange，提问作者Andrew Robinson