一个是列（又名Series），另一个是DataFrame：

In [1]: df = pd.DataFrame([[1,2], [3,4]], columns=['a', 'b'])

In [2]: df
Out[2]:
   a  b
0  1  2
1  3  4

列“B”（又名系列）：

In [3]: df['b']
Out[3]:
0    2
1    4
Name: b, dtype: int64

具有[1]中的列（位置）的子 Dataframe ：

In [4]: df[[1]]
Out[4]:
   b
0  2
1  4

注意：最好（并且不那么模棱两可）指定您是在谈论列名，例如['b']还是整数位置，因为有时您可以将列命名为整数：

In [5]: df.iloc[:, [1]]
Out[5]:
   b
0  2
1  4

In [6]: df.loc[:, ['b']]
Out[6]:
   b
0  2
1  4

In [7]: df.loc[:, 'b']
Out[7]:
0    2
1    4
Name: b, dtype: int64

另一种方法是使用columns数组选择列：

In [5]: df = pd.DataFrame([[1,2], [3,4]], columns=['a', 'b'])

In [6]: df
Out[6]: 
   a  b
0  1  2
1  3  4

In [7]: df[df.columns[0]]
Out[7]: 
0    1
1    3
Name: a, dtype: int64

下面的内容摘自http://pandas.pydata.org/pandas-docs/dev/indexing.html。还有几个例子……你必须向下滚动一点

In [816]: df1

           0         2         4         6
0   0.569605  0.875906 -2.211372  0.974466
2  -2.006747 -0.410001 -0.078638  0.545952
4  -1.219217 -1.226825  0.769804 -1.281247
6  -0.727707 -0.121306 -0.097883  0.695775
8   0.341734  0.959726 -1.110336 -0.619976
10  0.149748 -0.732339  0.687738  0.176444

通过整数切片进行选择

In [817]: df1.iloc[:3]

          0         2         4         6
0  0.569605  0.875906 -2.211372  0.974466
2 -2.006747 -0.410001 -0.078638  0.545952
4 -1.219217 -1.226825  0.769804 -1.281247

In [818]: df1.iloc[1:5,2:4]

          4         6
2 -0.078638  0.545952
4  0.769804 -1.281247
6 -0.097883  0.695775
8 -1.110336 -0.619976

通过整数列表选择

In [819]: df1.iloc[[1,3,5],[1,3]]

           2         6
2  -0.410001  0.545952
6  -0.121306  0.695775
10 -0.732339  0.176444

按数字访问列的另一种方法是使用Map字典，其中键是列名，值是列号

dates = pd.date_range('1/1/2000', periods=8)

df = pd.DataFrame(np.random.randn(8, 4),
   index=dates, columns=['A', 'B', 'C', 'D'])
print(df)
dct={'A':0,'B':1,'C':2,'D':3}
columns=df.columns

print(df.iloc[:,dct['D']])

您还可以使用take来按位置获取任何列：

In [2]: df = pd.DataFrame([[1, 2], [3, 4]], columns=['a', 'b'])

In [3]: df
Out[3]: 
   a  b
0  1  2
1  3  4

In [4]: df.take([1], axis=1)
Out[4]: 
   b
0  2
1  4

为了将Jeff的评论形式化为一个答案，这是我所知道的最简单的方法，它比Andy H使用列表的prior answer更简单。

my_col = df.iloc[:, column_index]

第一列使用0，第二列使用1，依此类推。例如：

first_col = df.iloc[:, 0]

另外，如果目标是迭代列，df.items()就足够了。