如果你的列表中包含的元素数量不同，那么伊格纳西奥Vazquez-Abrams的答案就不起作用，至少有3个选项：
1)创建数组的数组：

x=[[1,2],[1,2,3],[1]]
y=numpy.array([numpy.array(xi) for xi in x])
type(y)
>>><type 'numpy.ndarray'>
type(y[0])
>>><type 'numpy.ndarray'>

2)创建一个列表数组：

x=[[1,2],[1,2,3],[1]]
y=numpy.array(x)
type(y)
>>><type 'numpy.ndarray'>
type(y[0])
>>><type 'list'>

3)首先使列表长度相等：

x=[[1,2],[1,2,3],[1]]
length = max(map(len, x))
y=numpy.array([xi+[None]*(length-len(xi)) for xi in x])
y
>>>array([[1, 2, None],
>>>       [1, 2, 3],
>>>       [1, None, None]], dtype=object)

>>> numpy.array([[1, 2], [3, 4]]) 
array([[1, 2], [3, 4]])

由于这是Google上最热门的将列表列表转换为Numpy数组的搜索，我将提供以下内容，尽管这个问题已经存在4年了：

>>> x = [[1, 2], [1, 2, 3], [1]]
>>> y = numpy.hstack(x)
>>> print(y)
[1 2 1 2 3 1]

当我第一次想到这样做的时候，我对自己很满意，因为它太简单了，然而，在用一个更大的列表来计时之后，实际上这样做更快：

>>> y = numpy.concatenate([numpy.array(i) for i in x])
>>> print(y)
[1 2 1 2 3 1]

注意，@Bastiaan的答案#1没有形成一个连续的列表，因此我添加了concatenate。
无论如何...我更喜欢hstack方法，因为它优雅地使用了Numpy。

这很简单：

>>> lists = [[1, 2], [3, 4]]
>>> np.array(lists)
array([[1, 2],
       [3, 4]])

同样，在搜索了将N层嵌套列表转换为N维数组的问题之后，我什么也没找到，所以下面是我的解决方法：

import numpy as np

new_array=np.array([[[coord for coord in xk] for xk in xj] for xj in xi], ndmin=3) #this case for N=3

OP指定“行是单独的子列表，每行包含子列表中的元素”。
假设不禁止使用numpy（假定在OP中添加了flair numpy），则使用vstack：

import numpy as np

list_of_lists= [[1, 2, 3], [4, 5, 6], [7 ,8, 9]]

array = np.vstack(list_of_lists)
# array([[1, 2, 3],
#        [4, 5, 6],
#        [7, 8, 9]])

或者更简单（如另一个答案中所述），

array = np.array(list_of_lists)

正如在其他答案中提到的，np.vstack()可以让你将列表的列表（嵌套列表）转换成子列表的一维数组，但是如果你想将列表的列表转换成二维numpy.ndarray，那么你可以使用numpy.asarray()函数。
例如，如果您有一个名为y_true的列表列表，如下所示：

[[0, 1, 0], [1, 0, 0], [0, 0, 1], [1, 0, 0], [0, 1, 0], [0, 0, 1], [1, 0, 0]]
<class 'list'>

y_true = np.asarray(y_true)这一行将列表的列表转换为一个二维numpy ndarray，如下所示：

[[0 1 0]
  [1 0 0]
  [0 0 1]
  [1 0 0]
  [0 1 0]
  [0 0 1]
  [1 0 0]]
<class 'numpy.ndarray'>

此外，您还可以指定dtype参数（如np.asarray(y_true, dtype = float)），以使数组值具有所需的数据类型。

我有一个等长的列表列表，即使这样Ignacio Vazquez-Abrams的答案对我来说也不适用，我得到了一个元素是列表的一维numpy数组，如果你遇到同样的问题，你可以使用下面的方法
使用numpy.vstack

import numpy as np

np_array = np.empty((0,4), dtype='float')
for i in range(10)
     row_data = ...   # get row_data as list
     np_array = np.vstack((np_array, np.array(row_data)))

就用Pandas吧

list(pd.DataFrame(listofstuff).melt().values)

这仅适用于列表的列表
如果你有一个列表的列表，你可能想尝试一些沿着的东西

lists(pd.DataFrame(listofstuff).melt().apply(pd.Series).melt().values)