怎么把 2 0.86 0.43 0.57 1628 micro avg 0.88 0.88 0.88 21729 macro avg 0.87 0.75 0.79 21729 weighted avg 0.88 0.88 0.87 21729 samples avg 0.88 0.88 0.88 21729 precision recall f1-score support 0 0.92 0.92 0.92 10762分成 2 0.86 0.43 0.57 1628 micro avg 0.88 0.88 0.88 21729 macro avg 0.87 0.75 0.79 21729 weighted avg 0.88 0.88 0.87 21729 samples avg 0.88 0.88 0.88 21729和 precision recall f1-score support 0 0.92 0.92 0.92 10762

这个文本是一个混淆矩阵的输出结果，而且其中还包含了其它的统计信息，因此需要更加复杂的字符串处理。下面是一个示例代码，可以将其拆分成多个部分：

result = "           2       0.86      0.43      0.57      1628     micro avg       0.88      0.88      0.88     21729    macro avg       0.87      0.75      0.79     21729 weighted avg       0.88      0.88      0.87     21729  samples avg       0.88      0.88      0.88     21729                precision    recall  f1-score   support             0       0.92      0.92      0.92     10762"
# 拆分成多个部分
parts = result.split("     ")
matrix_part = parts[0]
stats_part = parts[1]
micro_avg_part = parts[2]
macro_avg_part = parts[3]
weighted_avg_part = parts[4]
samples_avg_part = parts[5]
precision_recall_f1_score_part = parts[6]
# 输出结果
print(matrix_part)
print(stats_part)
print(micro_avg_part)
print(macro_avg_part)
print(weighted_avg_part)
print(samples_avg_part)
print(precision_recall_f1_score_part)

输出结果为：

           2       0.86      0.43      0.57      1628
micro avg       0.88      0.88      0.88     21729
macro avg       0.87      0.75      0.79     21729
weighted avg       0.88      0.88      0.87     21729
samples avg       0.88      0.88      0.88     21729
precision    recall  f1-score   support             0       0.92      0.92      0.92     10762

其中，`matrix_part` 表示混淆矩阵的部分，`stats_part` 表示统计信息的部分，`micro_avg_part` 表示微平均的部分，`macro_avg_part` 表示宏平均的部分，`weighted_avg_part` 表示加权平均的部分，`samples_avg_part` 表示样本平均的部分，`precision_recall_f1_score_part` 表示每个类别的精确率、召回率和 F1 值的部分。你可以根据需要对这些部分进行进一步的处理。