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。