Claude学院

用 Claude 分析 Excel 数据：上传到出图全流程教程

用 Claude 分析 Excel 有两条主路径：一是直接把 .xlsx 文件拖进 Claude.ai 或 Claude Projects，让模型读懂表格后回答问题；二是在代码里把数据转成 CSV/JSON 文本，通过 Messages API 发给 Claude Opus 4.8，再用 Tool Use 让它写 Python 代码生成图表。前者适合临时探索，后者适合可复现、可批量的分析流水线。下面把两条路都讲清楚。

路径一：网页端直接上传 Excel

最快的方式是登录 Claude.ai，把 .xlsx 文件直接拖到输入框，或点击附件图标上传。Claude 会解析每个 sheet 的表头与数据，你可以直接用自然语言提问：「按月汇总销售额并指出环比下滑最严重的月份」。如果是反复要分析的固定数据集，建议放进 Claude Projects，把表格作为知识库长期挂载，后续每次对话都能引用而不必重新上传。

上传前注意格式与体积限制（具体大小以 Anthropic 官网为准），详细的支持格式可参考 Claude Projects 上传文件教程。一个实用技巧：让 Excel 第一行是干净的英文或中文表头、删掉合并单元格和多层表头，Claude 解析准确率会明显提升。

路径二：用 Messages API 分析（推荐做流水线）

Claude 的 Messages API（POST /v1/messages，鉴权用 x-api-key 和 anthropic-version 头）本身不直接吃二进制 .xlsx，标准做法是先在本地把 Excel 转成 CSV 或 JSON 文本，再放进消息内容。这样 token 可控、结果可复现。还没配好密钥的话，先看 Claude API Key 申请流程 和 Anthropic Python SDK 安装教程。

Python 示例：读表 + 让 Claude 给统计结论

import pandas as pd
from anthropic import Anthropic

client = Anthropic()  # 自动读取环境变量 ANTHROPIC_API_KEY

df = pd.read_excel("sales.xlsx", sheet_name="Sheet1")
csv_text = df.to_csv(index=False)

resp = client.messages.create(
    model="claude-opus-4-8",
    max_tokens=1500,
    system="你是数据分析师，只依据给定数据回答，不要编造数字。",
    messages=[{
        "role": "user",
        "content": f"以下是销售数据（CSV）：\n{csv_text}\n\n"
                   "请：1) 按地区汇总销售额；2) 找出占比最高和最低的产品；"
                   "3) 用一句话总结趋势。"
    }],
)
print(resp.content[0].text)

如果表格很大，不要一次塞进去，先在 pandas 里 groupby 聚合后再发摘要给 Claude，既省 token 又更准。想了解 token 怎么算、怎么省，可看 Token 计算方法 与 5 个降低 Token 成本的方法。

让 Claude 出图：用 Tool Use 调用绘图代码

API 模式下让 Claude「出图」，本质是让它生成绘图代码、由你的程序执行。两种做法：

  1. 直接要代码：让 Claude 输出 matplotlib/plotly 代码，你本地运行得到 PNG。简单但需手动跑。
  2. Tool Use 闭环：定义一个 run_python 工具，Claude 决定调用并传入代码，你执行后把结果回传，模型据此修正。这能做到「分析—画图—解读」全自动。

下面是 Tool Use 的核心结构，完整机制见 Claude Tool Use 完整实战：

tools = [{
    "name": "run_python",
    "description": "执行 Python 代码并返回 stdout，可用 matplotlib 保存图表到 chart.png",
    "input_schema": {
        "type": "object",
        "properties": {"code": {"type": "string"}},
        "required": ["code"],
    },
}]

resp = client.messages.create(
    model="claude-opus-4-8",
    max_tokens=2000,
    tools=tools,
    messages=[{"role": "user",
               "content": f"根据这份数据画一张各地区销售额柱状图。数据：\n{csv_text}"}],
)
# 当 resp.stop_reason == "tool_use" 时，取出 code 执行，
# 再把 {"type":"tool_result", ...} 作为新一轮 user 消息回传给 Claude

注意：执行模型生成的代码务必放在沙箱或受限环境里。如果想把这套能力接进本地工具链，更推荐用 Claude Code——它是 Anthropic 官方命令行工具，可直接在终端里读本地 Excel、跑代码、出图，省去自己搭 Tool Use 循环。

Node.js 简版

import Anthropic from "@anthropic-ai/sdk";
import fs from "fs";

const client = new Anthropic();
const csv = fs.readFileSync("sales.csv", "utf-8");

const msg = await client.messages.create({
  model: "claude-sonnet-4-6",
  max_tokens: 1200,
  messages: [{ role: "user",
    content: `这是CSV数据：\n${csv}\n请给出按月汇总和异常点。` }],
});
console.log(msg.content[0].text);

更多 Node 用法（含流式输出）见 Claude API Node.js 调用示例。

模型怎么选与提示词技巧

复杂多步推理、需要可靠数值结论时用 Claude Opus 4.8；日常批量汇总、成本敏感的场景用 Claude Sonnet 4.6 或 Claude Haiku 4.5。选型细节见 Opus/Sonnet/Haiku 选型指南。

提示词上有三条经验：在 system 里强调「只依据给定数据、不编造数字」可显著减少幻觉，详见 避免幻觉的 5 个方法；把数据和指令用 XML 标签分隔（如 <data>...</data>）能让模型更准确定位，参考 XML 标签用法详解；要求模型先列分析步骤再给结论，可提升数值准确性。

常见问题

Claude 能直接读 .xlsx 二进制文件吗？

网页端 Claude.ai 和 Claude Projects 可以直接上传 .xlsx 解析。但 Messages API 的多模态目前支持图片输入，对表格数据的标准做法是先转成 CSV/JSON 文本再发送，这样结果更可控、更省 token。

表格太大超出上下文窗口怎么办？

先在本地用 pandas 做 groupby、透视或采样，只把聚合后的摘要发给 Claude；或分批发送后让模型合并结论。Claude 上下文较长但仍有上限，长文档处理技巧可参考相关教程，按需拆分能兼顾准确率与成本。

API 报 429 限流或 401 认证失败怎么排查？

401 多为密钥错误或 x-api-key 头缺失，见 401 认证失败排查；429 是请求过快，需指数退避重试，方案见 429 限流的 3 种重试方案。具体配额以 Anthropic 官网为准。

← 行业应用场景