當你想要取某些列時，只需要像我下方的程式碼那樣在 data 後方加上你想要取得的那列的指標名稱就可以了。

import pandas as pd
csv = "titanic.csv"
data = pd.read_csv(csv)
Ne = data["Name"]
prine(Ne)

當你想要取不只一列時，你可以先將你想要取的那幾列用成一個 list 的結構，在將它
丟給 data，看下方範例。

import pandas as pd
csv = "titanic.csv"
data = pd.read_csv(csv)
alist = ["Name","Age","Sex"]
print(data[alist])

篩選資料

接下來我們實做看看如何將資料進行篩選。
假設我們想要把年齡介於20~30歲的人過濾出來。
第一步先把大於20歲的人找出來

import pandas as pd
csv = "titanic.csv"
data = pd.read_csv(csv)
ag1 = data["Age"]>=20
ag1

再來把小於30歲的人找出來

import pandas as pd
csv = "titanic.csv"
data = pd.read_csv(csv)
ag1 = data["Age"]>=20
ag2 = data["Age"]<=30
ag2

然後將兩個結果(ag1,ag2)用and去判斷，就可以得出了大於20歲又小於30歲的人

import pandas as pd
csv = "titanic.csv"
data = pd.read_csv(csv)
ag1 = data["Age"]>=20
ag2 = data["Age"]<=30
agg = ag1 & ag2
agg

最後我們將得出來的結果套用進我們的 data 數據裡，如果是 True 的就留下， False 就濾掉，最後的結果如下圖，把上下兩張圖拿來對對看，第一筆資料是 True 所以它被留下，第二筆資料是 False 所以它被過濾掉，再來我們可以看左下角這筆數據從原來的 891 筆資料變成了 245 筆資料

還有一個簡單的方法可以達到跟上面一樣的效果，可以自己試試看，下面這行主要是用 between 這個函數來找出介於20~30歲的人，一樣把 True 或 False 丟給 data 去進行處理。

data[data["Age"].between(20,30)]

好了，今天就介紹到這，明天繼續。