在Python中，我们可以使用pandas库来处理数据表格，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，当我们需要从数据表格中提取某一列时，可以使用以下方法：

1、使用列名直接提取

我们需要导入pandas库，并创建一个DataFrame对象，我们有一个包含姓名、年龄和性别的数据表格：

import pandas as pd
data = {'姓名': ['张三', '李四', '王五'],
        '年龄': [25, 30, 35],
        '性别': ['男', '女', '男']}
df = pd.DataFrame(data)

接下来，我们可以使用列名直接提取某一列，我们想要提取年龄这一列：

ages = df['年龄']
print(ages)

输出结果为：

0    25
1    30
2    35
Name: 年龄， dtype: int64

2、使用iloc或loc方法提取

除了使用列名直接提取外，我们还可以使用iloc或loc方法来提取某一列，这两种方法的区别在于，iloc是基于行号的整数索引，而loc是基于标签的索引。

我们想要提取年龄这一列：

使用iloc方法提取
ages_iloc = df.iloc[:, 1]
print(ages_iloc)

输出结果为：

0    25
1    30
2    35
Name: 年龄， dtype: int64

使用loc方法提取
ages_loc = df.loc[:, '年龄']
print(ages_loc)

输出结果为：

0    25
1    30
2    35
Name: 年龄， dtype: int64

3、使用布尔索引提取满足条件的列

我们可能需要提取满足某些条件的所有列，这时，我们可以使用布尔索引来实现，我们想要提取所有年龄大于等于30岁的人的行：

使用布尔索引提取满足条件的行，然后选择需要的列（如年龄）
result = df[df['年龄'] >= 30]['年龄']
print(result)

输出结果为：

25    30    35
Name: 年龄， dtype: int64

4、使用列表推导式提取多列数据

如果我们需要提取多列数据，可以使用列表推导式来实现，我们想要提取所有人的姓名和年龄：

使用列表推导式提取多列数据（如姓名和年龄）
names_and_ages = df[['姓名', '年龄']]
print(names_and_ages)

输出结果为：

   姓名  年龄
0  张三  25
1  李四  30
2  王五  35

在Python中，我们可以使用pandas库来处理数据表格，当我们需要从数据表格中提取某一列时，可以使用列名直接提取、iloc或loc方法提取、布尔索引提取满足条件的列以及列表推导式提取多列数据等方法，这些方法可以帮助我们更方便地对数据进行处理和分析。