### 使用 Pandas 提取特定列并生成新表 在 Python 中，可以利用 `pandas` 库来高效处理表格数据。如果需要从现有的 DataFrame 中提取一列或多列生成一个新的 DataFrame，则可以通过多种方式实现。 以下是具体的方法： #### 方法 1：通过列表指定多列名 当需要提取多个列时，可以直接传递一个包含所需列名称的列表给 DataFrame[^3]。 ```python import pandas as pd # 原始数据 data = {'W': [1, 2, 3], 'X': [4, 5, 6], 'Y': [7, 8, 9], 'Z': [10, 11, 12]} df = pd.DataFrame(data) # 提取多列生成新的 DataFrame new_df = df[['W', 'Y']] # 双重方括号用于选取多列 print(new_df) ``` 此方法适用于已知目标列名的情况，并能快速生成子集 DataFrame。 --- #### 方法 2：使用 `.loc[]` 进行列筛选 `.loc[]` 是一种强大的索引器，支持按标签选择行或列。它也可以用来提取特定列[^1]。 ```python # 使用 .loc 提取 W 和 Y 列 new_df_loc = df.loc[:, ['W', 'Y']] print(new_df_loc) ``` 这种方法的优势在于其灵活性，尤其是在复杂条件过滤场景下更为适用。 --- #### 方法 3：单列提取转为 Series 或 DataFrame 对于仅需提取单一列的情形，既可返回 Series 对象也可将其转换回 DataFrame 形式[^1]。 ```python # 返回 Series (默认行为) single_column_series = df['W'] print(single_column_series) # 转换为单独的一列 DataFrame single_column_df = df[['W']] # 注意这里仍然是双重方括号 print(single_column_df) ``` 注意区别：直接访问某一列为 Series 类型；而用双层方括号则保持 DataFrame 结构不变。 --- #### 方法 4：动态构建列名集合 假如实际应用中有大量列需求变化不定，可通过编程手段自动生成所需的列清单再执行操作[^3]。 ```python # 动态定义要保留哪些列 selected_columns = [col for col in df.columns if col.startswith('W') or col.endswith('Y')] filtered_df = df[selected_columns] print(filtered_df) ``` 这种技术特别适合于自动化脚本或者面对超宽维度数据集的时候采用。 --- #### 存储至其他 Excel Sheet 完成上述任一步骤后的新 DataFrame ，还可以进一步保存成独立的工作簿页面[^2]: ```python with pd.ExcelWriter('output.xlsx') as writer: filtered_df.to_excel(writer, sheet_name='Filtered Data') ``` 以上即完成了整个流程——从原始表中挑选若干字段形成副表再到导出功能全部覆盖完毕！ --- ### 总结 综上所述，无论是静态还是动态条件下获取部分属性值构成全新实体均十分简便快捷。只需掌握好基础语法即可轻松应对日常工作中遇到的各种类似问题。