Python提取数据中的部分数据主要通过索引、切片、条件筛选和函数（如pandas库）实现，核心方法包括：列表/字符串切片、pandas的loc/iloc、正则表达式匹配以及自定义过滤逻辑。以下是具体方法：

1. 基础切片与索引
   对列表、字符串或NumPy数组，直接用[start:end:step]切片。例如，data[2:5]提取第3到第5个元素，text[-3:]获取末尾3个字符。

2. Pandas高效筛选

   • loc/iloc：df.iloc[1:3, 0:2]选取行1-2和列0-1的数值，df.loc[df['age'] > 30]按条件筛选行。
   • query()方法：df.query("price > 100 & category == 'A'")简化复杂条件。

3. 正则表达式提取文本
   用re模块匹配模式，如re.findall(r'\d+', text)提取所有数字，适合非结构化文本（如日志或网页数据）。

4. 自定义函数与Lambda
   结合apply()或列表推导式，例如df[df.apply(lambda x: x['score'] >= 80, axis=1)]筛选分数≥80的行。

提示：根据数据量选择工具——小数据用原生切片，大数据优先pandas；处理文本时，正则表达式或str方法更灵活。