你可以使用以下方法:

extracted_data = data.ix[:,['Column1','Column2']]

我无法编辑所选的答案，所以我添加了一个答案，以澄清使用整数索引似乎返回一个视图(而不是一个副本)，而使用列表返回一个副本

>>> x = np.zeros(shape=[2, 3])
>>> y = x[:, [0, 1]]
>>> z1, z2 = x[:, 0], x[:, 1]

>>> y[0, 0] = 1
>>> print(y)
[[1. 0.]
 [0. 0.]]
>>> print(x)
[[0. 0. 0.]
 [0. 0. 0.]]

>>> z1[0] = 2
>>> print(z1)
[2. 0.]
>>> print(x)
[[2. 0. 0.]
 [0. 0. 0.]]

当你使用这样的列表从N-D数组中选择列时，还有一件事你应该注意:

data[:,:,[1,9]]

如果您正在删除一个维度(例如，通过只选择一行)，结果数组将(由于某种原因)被打乱。所以:

print data.shape            # gives [10,20,30]
selection = data[1,:,[1,9]]
print selection.shape       # gives [2,20] instead of [20,2]!!

你可以使用以下方法:

extracted_data = data.ix[:,['Column1','Column2']]

我认为这里的解决方案不再使用python版本的更新，一种方法是使用新的python函数来实现它:

extracted_data = data[['Column Name1','Column Name2']].to_numpy()

这会给你想要的结果。

您可以在这里找到文档:https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.to_numpy.html#pandas.DataFrame.to_numpy

你也可以使用extractedData=data([:，1]，[:，9])