[[' precision recall f1-score support 0 0.90 0.91 0.91 10762 1 0.85 0.91 0.88 9339 2 0.85 0.42 0.56 1628 micro avg 0.88 0.88 0.88 21729 macro avg 0.87 0.75 0.78 21729weighted 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 0.91 0.91 10762 1 0.85 0.92 0.89 9339 2 0.87 0.46 0.60 1628 micro avg 0.88 0.88 0.88 21729 macro avg 0.88 0.77 0.80 21729weighted avg 0.89 0.88 0.88 21729 samples avg 0.88 0.88 0.88 21729']] 怎么求上述列表中每个表加和取平均值得到一个形式不变的新表

可以使用 Python 中的 pandas 库来操作这个列表，具体操作如下：

1. 引入 pandas 库

import pandas pd

2. 将列表转换成 DataFrame 格式，并设置列名

df = pd.DataFrame(data=lst, columns=['classification_report'])

3. 将 classification_report 列按空格拆分成多列，并删除第一列

df = pd.concat([df, df['classification_report'].str.split(expand=True)], axis=1)
df = df.drop(columns=[0])

4. 将每个数值列转换为浮点型

cols = df.columns[1:]
df[cols] = df[cols].astype(float)

5. 按照分类指标（precision、recall、f1-score）进行分组，求每组的平均值

grouped = df.groupby(by=[1])
result = grouped.mean().reset_index()

最终的结果 result 是一个 DataFrame，每行代表一个分类指标，每列代表一个分类，其中值为平均值。