在Python中，我们可以使用pandas库来处理数据表格，包括提取列，pandas是一个强大的数据处理库，它提供了DataFrame对象，可以方便地对数据进行操作，以下是如何将列提取出来的详细步骤：

1、我们需要安装pandas库，如果你还没有安装，可以使用pip命令进行安装：

pip install pandas

2、安装完成后，我们可以导入pandas库，并创建一个DataFrame对象，我们有一个CSV文件，其中包含了一些数据：

import pandas as pd
data = {'Name': ['Tom', 'Nick', 'John'],
        'Age': [20, 21, 19]}
df = pd.DataFrame(data)

在这个例子中，我们创建了一个包含两列（Name和Age）的DataFrame对象。

3、要提取列，我们可以使用DataFrame对象的列名作为索引，如果我们想要提取Name列，我们可以这样做：

name_column = df['Name']

这将返回一个Series对象，其中包含了Name列的所有值。

4、我们也可以对提取出的列进行操作，我们可以计算每个名字的长度：

name_lengths = name_column.apply(len)

这将返回一个新的Series对象，其中包含了每个名字的长度。

5、如果我们想要将提取出的列添加到原始DataFrame中，我们可以使用assign方法：

df = df.assign(NameLength=name_lengths)

这将在原始DataFrame中添加一个新的列（NameLength），其中包含了每个名字的长度。

6、我们也可以使用get方法来获取指定列的值，如果我们想要获取第一个名字的长度，我们可以这样做：

first_name_length = df.get('Name')[0]

这将返回第一个名字的长度。

7、如果我们想要删除指定的列，我们可以使用drop方法：

df = df.drop('Name', axis=1)

这将删除Name列，注意，axis参数设置为1表示我们要删除的是列，而不是行。

8、我们还可以使用loc和iloc方法来根据行或列的标签来选择数据，如果我们想要选择所有年龄大于20的行，我们可以这样做：

selected_rows = df.loc[df['Age'] > 20]

这将返回一个新的DataFrame对象，其中包含了所有年龄大于20的行，同样，如果我们想要选择第一列的所有值，我们可以这样做：

selected_values = df.iloc[:, 0]

这将返回一个新的Series对象，其中包含了第一列的所有值。

以上就是在Python中使用pandas库提取列的方法，通过这些方法，我们可以方便地对数据进行处理和分析。