下述列表中有10个分类报告，怎么得到平均的分类报告值并且按照\n的形式求得最终的分类报告python[' precision recall f1-score support\n\n 0 0.90 0.91 0.91 10762\n 1 0.85 0.91 0.88 9339\n 2 0.84 0.41 0.55 1628\n\n micro avg 0.88 0.88 0.88 21729\n macro avg 0.86 0.75 0.78 21729\nweighted avg 0.87 0.88 0.87 21729\n samples avg 0.88 0.88 0.88 21729\n', ' precision recall f1-score support\n\n 0 0.91 0.91 0.91 10762\n 1 0.85 0.92 0.89 9339\n 2 0.86 0.45 0.59 1628\n\n micro avg 0.88 0.88 0.88 21729\n macro avg 0.88 0.76 0.80 21729\nweighted avg 0.88 0.88 0.88 21729\n samples avg 0.88 0.88 0.88 21729\n']

可以将每个分类报告转换为 Pandas DataFrame，然后使用 Pandas 库计算平均分类报告，最后将结果转换回字符串格式并按照 "\n" 分隔。具体代码如下：

import pandas as pd

# 定义分类报告列表
reports = ['              precision    recall  f1-score   support\n\n           0       0.90      0.91      0.91     10762\n           1       0.85      0.91      0.88      9339\n           2       0.84      0.41      0.55      1628\n\n   micro avg       0.88      0.88      0.88     21729\n   macro avg       0.86      0.75      0.78     21729\nweighted avg       0.87      0.88      0.87     21729\n samples avg       0.88      0.88      0.88     21729\n', '              precision    recall  f1-score   support\n\n           0       0.91      0.91      0.91     10762\n           1       0.85      0.92      0.89      9339\n           2       0.86      0.45      0.59      1628\n\n   micro avg       0.88      0.88      0.88     21729\n   macro avg       0.88      0.76      0.80     21729\nweighted avg       0.88      0.88      0.88     21729\n samples avg       0.88      0.88      0.88     21729\n']

# 定义空列表存储 Pandas DataFrame
df_list = []

# 遍历每个分类报告，转换为 Pandas DataFrame 并存储到列表中
for report in reports:
    lines = report.strip().split('\n')
    header = lines[0].split()
    data = [[float(x) if x.replace('.', '', 1).isdigit() else x for x in line.split()] for line in lines[2:]]
    df = pd.DataFrame(data, columns=header)
    df_list.append(df)

# 计算平均分类报告
df_mean = pd.concat(df_list).groupby(level=0).mean().reset_index()

# 将结果转换为字符串并按照 "\n" 分隔
report_mean = df_mean.to_string(index=False)
report_mean = '\n'.join(['', report_mean])

# 输出结果
print(report_mean)

需要注意的是，上面的代码假设每个分类报告中的分类标签数量和顺序是相同的。如果分类标签数量或顺序不同，需要进行相应修改。