pandas， dataframe获取最后一行的三种方法

这次为了做NLP的第一个作业：隐马尔科夫模型的词性判断，开始接触pandas，numpy和pandas我真的很不熟，导致了作业晚交，理解了原理但代码写得很痛苦。

用测试集计算了词性之间的转移概率，转换成矩阵；以及词性到单词的发射概率，转换成矩阵，记得import numpy as np。

veterbi 算法获取预测的词性结果，因为我传进去的观察序列，也就是测试句转换成的单词表，是训练集的每个句子的单词在测试集的单词列表中的对应的索引，所以生成的词性列表就要和传进去的观察序列重新匹配上，才能判断到底预测得对不对。

可把我给难到了，我返回的预测结果是一个矩阵，行的索引是全部训练集里的全部词性，列的索引是每个单词。本来就也不知道怎么做，用了numpy的求每列的最大值的行索引和列索引的方法来返回了一个row， col，其中axis=0是每行，axis=1是每列。row是每列最大值对应的行号组成的列表，col是每列最大值的列号。然后在test_output里新增（单词，词性），有多少个单词新增多少个这样的元组。但是这样的代码可读性太差了，我估计自己第二天来看就看不懂这些col[i]是些什么。

row, col = np.where(np.max(F, axis=0))  # get the max pos for each word

    for i in range(len(obs_seq)):
        test_output.append((obs_seq[col[i]], pi[row[i]]))  # tag index in