1、选择某一列时，只需要在DataFrame对象名称后面使用方括号标出列的名称即可，就像在数组中选择元素一样。

import pandas as pd
df=pd.read_excel(r"D:\PythonTestFile\exam_new.xlsx")
print(df,'\n')
print(df['Name'])

运行结果为：

       Name     Sex  Chinese  English  Math
0      Noah    male       90       50    66
1      Emma  female       56       56    55
2       Bob    male       99       84    89
3    Olivia  female       86       87    44
4      Jeff    male       48       87    65
5      Liam    male       55       88    69
6    Sophia  female       90       66    96
7  Isabella  female       66       85    55 

0        Noah
1        Emma
2         Bob
3      Olivia
4        Jeff
5        Liam
6      Sophia
7    Isabella
Name: Name, dtype: object

2、除了使用以上方式，还可以使用点（.）来选择列，即在DataFrame对象名称后面使用“对象名称.列名”的方式。

import pandas as pd
df=pd.read_excel(r"D:\PythonTestFile\exam_new.xlsx")
print(df,'\n')
print(df.Name)

运行结果为：

       Name     Sex  Chinese  English  Math
0      Noah    male       90       50    66
1      Emma  female       56       56    55
2       Bob    male       99       84    89
3    Olivia  female       86       87    44
4      Jeff    male       48       87    65
5      Liam    male       55       88    69
6    Sophia  female       90       66    96
7  Isabella  female       66       85    55 

0        Noah
1        Emma
2         Bob
3      Olivia
4        Jeff
5        Liam
6      Sophia
7    Isabella
Name: Name, dtype: object

以上2种选择数据的方式称为普通索引。

3、还可以通过具体列的位置进行选择，即使用位置索引。这时需要使用iloc方法：

import pandas as pd
df=pd.read_excel(r"D:\PythonTestFile\exam_new.xlsx")
print(df,'\n')
print(df.iloc[:,0])

运行结果为：

       Name     Sex  Chinese  English  Math
0      Noah    male       90       50    66
1      Emma  female       56       56    55
2       Bob    male       99       84    89
3    Olivia  female       86       87    44
4      Jeff    male       48       87    65
5      Liam    male       55       88    69
6    Sophia  female       90       66    96
7  Isabella  female       66       85    55 

0        Noah
1        Emma
2         Bob
3      Olivia
4        Jeff
5        Liam
6      Sophia
7    Isabella
Name: Name, dtype: object

在iloc后的方括号中，由逗号分隔了两个参数。第1个参数用于表明选择的行索引；第2个参数用于表明选择的列索引。其中，第1个参数为冒号时，表示选择所有行。

如果要选择多列，当使用普通索引时，通过列表的形式传入多个列名即可。而使用位置索引时，传入多个位置索引即可。

import pandas as pd
df=pd.read_excel(r"D:\PythonTestFile\exam_new.xlsx")
print(df,'\n')
print(df[['Name','Chinese']],'\n')
print(df.iloc[:,[0,2]])

运行结果为：

       Name     Sex  Chinese  English  Math
0      Noah    male       90       50    66
1      Emma  female       56       56    55
2       Bob    male       99       84    89
3    Olivia  female       86       87    44
4      Jeff    male       48       87    65
5      Liam    male       55       88    69
6    Sophia  female       90       66    96
7  Isabella  female       66       85    55 

       Name  Chinese
0      Noah       90
1      Emma       56
2       Bob       99
3    Olivia       86
4      Jeff       48
5      Liam       55
6    Sophia       90
7  Isabella       66 

       Name  Chinese
0      Noah       90
1      Emma       56
2       Bob       99
3    Olivia       86
4      Jeff       48
5      Liam       55
6    Sophia       90
7  Isabella       66

当需要选择连续的多个列时，使用传统标出所有列名的方法就有些笨拙了。可以使用iloc方法，通过传入一个类似于区间的参数来实现，这称为切片索引。

import pandas as pd
df=pd.read_excel(r"D:\PythonTestFile\exam_new.xlsx")
print(df,'\n')
print(df.iloc[:,0:3])

运行结果为：

       Name     Sex  Chinese  English  Math
0      Noah    male       90       50    66
1      Emma  female       56       56    55
2       Bob    male       99       84    89
3    Olivia  female       86       87    44
4      Jeff    male       48       87    65
5      Liam    male       55       88    69
6    Sophia  female       90       66    96
7  Isabella  female       66       85    55 

       Name     Sex  Chinese
0      Noah    male       90
1      Emma  female       56
2       Bob    male       99
3    Olivia  female       86
4      Jeff    male       48
5      Liam    male       55
6    Sophia  female       90
7  Isabella  female       66

0:3表示选择列索引值0~2的列（即：第1列到第3列），不包括列索引值为3的列（即：左闭右开）。