‌Python读取表格中的一列内容可以通过pandas库的read_excel()或read_csv()方法加载数据，再使用df['列名']或df.iloc[:, 列索引]提取指定列。‌ 这种方法简单高效，适用于Excel、CSV等多种表格格式，还能结合条件筛选或数据处理操作。

1. ‌使用pandas读取表格文件‌
   安装pandas库后，通过read_excel()或read_csv()加载表格数据为DataFrame对象。例如：

   pythonCopy Code
   import pandas as pd
   df = pd.read_excel('data.xlsx')  # 读取Excel文件
   

   或

   pythonCopy Code
   df = pd.read_csv('data.csv')     # 读取CSV文件
   

2. ‌按列名提取数据‌
   若表格包含列名（如“姓名”“年龄”），直接用df['列名']获取该列数据：

   pythonCopy Code
   column_data = df['姓名']  # 提取“姓名”列
   

   返回结果为Series类型，可通过.tolist()转为列表。

3. ‌按列索引提取数据‌
   无列名或需按位置提取时，用iloc[:, 列索引]（索引从0开始）：

   pythonCopy Code
   column_data = df.iloc[:, 1]  # 提取第2列
   

   注意：若第一行为表头，需添加参数header=0。

4. ‌进阶操作：条件筛选与清洗‌
   提取列后可进一步处理，例如筛选特定值或去空值：

   pythonCopy Code
   filtered_data = df[df['年龄'] > 18]['姓名']  # 筛选年龄大于18的姓名
   cleaned_data = df['分数'].dropna()         # 去除空值
   

5. ‌其他库的替代方案‌

   • ‌openpyxl（适用于Excel）‌：逐行读取单元格，适合小规模数据。
   • ‌csv模块（适用于CSV）‌：用reader对象遍历行后取对应索引。

掌握pandas的核心方法能快速完成表格列提取，结合数据清洗或分析需求灵活扩展。若仅需简单读取，也可选择轻量级库减少依赖。