df1 = pd.read_csv(pd.compat.StringIO(report_list[0]), sep='\\s+') df2 = pd.read_csv(pd.compat.StringIO(report_list[1]), sep='\\s+')换一种方式

如果你想将评估报告转换为 pandas DataFrame，可以使用 `pd.DataFrame` 函数。以下是一个可能的代码示例：

import pandas as pd

report_list = [[' precision recall f1-score support 0 0.95 0.96 0.95 10762 1 0.91 0.95 0.93 9339 2 0.91 0.58 0.71 1628 micro avg 0.93 0.93 0.93 21729 macro avg 0.92 0.83 0.86 21729weighted avg 0.93 0.93 0.92 21729 samples avg 0.93 0.93 0.93 21729'], [' precision recall f1-score support 0 0.96 0.96 0.96 10762 1 0.91 0.96 0.93 9339 2 0.91 0.62 0.74 1628 micro avg 0.93 0.93 0.93 21729 macro avg 0.93 0.85 0.88 21729weighted avg 0.93 0.93 0.93 21729 samples avg 0.93 0.93 0.93 21729']]

# 将第一个评估报告转换为 DataFrame
df1 = pd.DataFrame([x.split() for x in report_list[0][1:]], columns=report_list[0][:-1])
print(df1)

# 将第二个评估报告转换为 DataFrame
df2 = pd.DataFrame([x.split() for x in report_list[1][1:]], columns=report_list[1][:-1])
print(df2)

输出结果应该是两个 DataFrame，分别对应于两个评估报告的表格形式。

请注意，这只是一个示例，具体实现可能因你的使用环境而有所不同。如果你需要处理多个评估报告，也可以使用循环或列表推导式来遍历整个列表或者选择特定的元素。另外，由于评估报告的格式可能因不同的库或函数而异，你可能需要根据实际情况来调整代码。