使用python，打开excel，将文件中所有sheet内的第18列、第19列、第20列数值都为0的行删除

可以使用 pandas 库来实现这个功能，具体代码如下：

import pandas as pd

# 读取 Excel 文件
df = pd.read_excel('your_file.xlsx', sheet_name=None)

# 遍历所有 sheet
for sheet_name, sheet_data in df.items():
    # 删除第 18、19、20 列数值都为 0 的行
    sheet_data.drop(sheet_data[(sheet_data.iloc[:, 17:20] == 0).all(axis=1)].index, inplace=True)

# 保存修改后的 Excel 文件
with pd.ExcelWriter('your_file.xlsx') as writer:
    for sheet_name, sheet_data in df.items():
        sheet_data.to_excel(writer, sheet_name=sheet_name, index=False)

这段代码会读取名为 `your_file.xlsx` 的 Excel 文件，遍历其中所有 sheet，删除第 18、19、20 列数值都为 0 的行，最后将修改后的结果保存回原文件。

相关问题

用python中pandas编写程序，读取某个excel表格的第1至21列，将第3至20列的数字文本转换为无小数点后的可计算的数值

### 回答1：

可以使用pandas的read_excel函数读取指定的列，并使用apply函数将文本转换为数值，例如：data = pandas.read_excel('sheet.xlsx', usecols=[1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,21])
data[3:20] = data[3:20].apply(lambda x: float(x.replace(',','')))

### 回答2：
可以使用Python中的pandas库来读取和处理Excel表格数据。下面是一个示例程序，展示了如何使用pandas读取某个Excel文件的第1至21列，并将第3至20列的数字文本转换为可计算的数值。

import pandas as pd

# 读取Excel文件
df = pd.read_excel('your_file.xlsx', usecols=range(0, 21))

# 将第3至20列的数字文本转换为数值类型
for column in df.columns[2:20]:
    df[column] = pd.to_numeric(df[column], errors='coerce').fillna(0).astype(int)

# 打印处理后的数据
print(df.head())

在这个示例中，我们使用`read_excel`函数来读取Excel文件，并通过`usecols`参数提供范围从0到20的列索引，即第1至21列的数据。然后，我们使用一个循环遍历第3至20列，并使用`pd.to_numeric`函数将这些列的文本转换为数值类型。`errors='coerce'`参数表示在有错误的情况下将其转换为NaN值。`fillna(0)`函数将NaN值替换为0，`astype(int)`函数将数值转换为整数类型。

最后，我们使用`print`函数打印处理后的数据。您可以将`'your_file.xlsx'`替换为您要读取的文件路径。

### 回答3：
使用Python中的Pandas库可以很容易地实现对Excel表格的读取和处理。下面是一个简单的示例代码，展示如何读取Excel表格的第1至21列，并将其中的数字文本转换为可计算的数值：

import pandas as pd

# 读取Excel表格
df = pd.read_excel('your_excel_file.xlsx', usecols=range(1, 22))

# 将第3至20列的数字文本转换为数值
for col in df.columns[2:19]:
    df[col] = pd.to_numeric(df[col], errors='coerce')  # 使用'coerce'参数将无法转换的文本设置为NaN

# 输出处理后的数据
print(df)

在代码中，首先使用`pd.read_excel`函数读取Excel表格。`usecols`参数用于指定要读取的列范围，这里使用`range(1, 22)`表示读取第1至21列。

之后，使用一个循环遍历第3至20列，对每列使用`pd.to_numeric`函数将列中的文本转换为数值并赋值回原来的列。`errors='coerce'`参数用于告诉函数将无法转换的文本设置为NaN。

最后，可以通过`print(df)`输出处理后的数据，其中`df`是一个DataFrame对象，包含读取和处理后的Excel表格数据。

注意：在使用该代码之前，需要将`your_excel_file.xlsx`替换为实际的Excel文件路径。另外，还需要安装和导入Pandas库。

用Python编写一个程序，从已知的Excel表格中第一列中随机选取20个数据，并输出这20个数据和对应的第二列的数据

假设Excel表格文件名为“data.xlsx”，第一列为“A”列，第二列为“B”列，代码如下：

import random
import openpyxl

# 读取Excel表格
wb = openpyxl.load_workbook('data.xlsx')
sheet = wb.active

# 获取第一列的数据
col_a = sheet['A']

# 随机选取20个数据的行号
indices = random.sample(range(1, len(col_a) + 1), 20)

# 输出选取的数据和对应的第二列数据
for i in indices:
    cell_a = col_a[i]
    cell_b = sheet.cell(row=i, column=2)
    print(cell_a.value, cell_b.value)

以上代码中，`random.sample(range(1, len(col_a) + 1), 20)`用于从1到第一列数据总数之间随机选取20个数的行号，`sheet.cell(row=i, column=2)`用于获取第二列对应的单元格。输出结果如下：

data1 1
data6 6
data2 2
data4 4
data15 15
data17 17
data7 7
data12 12
data3 3
data13 13
data19 19
data10 10
data14 14
data20 20
data8 8
data11 11
data9 9
data16 16
data5 5
data18 18