如果用程序创建EXCEL文件，则对于公式简单的单元格， pandas READ_EXCEL返回NaN
首先，我们需要安装pandas和openpyxl库。可以使用以下命令进行安装：

pip install pandas openpyxl

然后，我们可以使用以下代码来创建一个包含公式的EXCEL文件，并读取这个文件的内容：

import pandas as pd

# 创建一个新的Excel文件
writer = pd.ExcelWriter('test.xlsx', engine='openpyxl')

# 在第一个工作表中添加数据
df1 = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]})
df1.to_excel(writer, sheet_name='Sheet1', index=False)

# 在第二个工作表中添加数据，并使用公式
df2 = pd.DataFrame({'A': [7, 8, 9], 'B': ['=SUM(A1:A3)', '=SUM(B1:B3)', '=PRODUCT(A1:A3)']})
writer.sheets['Sheet2'].cell(row=1, column=1).value = 'Sum'
writer.sheets['Sheet2'].cell(row=1, column=2).value = 'Product'

# 保存Excel文件
writer.save()

# 读取创建的Excel文件
df3 = pd.read_excel('test.xlsx')

# 打印读取到的数据
print(df3)

在这个例子中，我们首先创建了一个包含两行三列数据的DataFrame，并将其写入到第一个工作表中。然后，我们在第二个工作表中添加了一行数据，其中第一列是’Sum’，第二列是一个公式（‘=SUM(A1:A3)’）。然后，我们将这个Excel文件保存，并使用pandas的read_excel函数读取它。

注意，由于公式可能包含复杂的数据类型（例如字符串和日期），所以在读取时可能会出现NaN。在这种情况下，我们可以使用pandas的eval函数来计算这些公式：

df3['A'] = pd.eval(df3['A'])
df3['B'] = pd.eval(df3['B'])

这样，我们就可以得到一个包含公式和公式计算结果的DataFrame了。

如果你需要测试这个函数，你可以创建一个包含一些具有复杂数据类型（例如字符串和日期）的Excel文件，并使用上述代码来读取它。然后，你可以检查返回的结果是否符合预期。

在这个例子中，如果你有一个包含"姓名"、"年龄"和"生日"三列的数据，其中’生日’列是一个字符串，你可以在创建DataFrame的时候将其转换为日期类型：

df = pd.DataFrame({'姓名': ['Alice', 'Bob'], '年龄': [25, 30], '生日': ['1996-04-12', '1989-08-28']})
df['生日'] = pd.to_datetime(df['生日'])

这样，你就可以在DataFrame中正确地处理日期类型的数据了。