asarray的定义是：

def asarray(a, dtype=None, order=None):
    return array(a, dtype, copy=False, order=order)

所以它类似于array，除了它有更少的选项，而copy=False . array默认有copy=True。
主要区别在于array（默认情况下）将复制对象，而asarray除非必要，否则不会复制对象。

由于其他问题被重定向到这个问题，询问asanyarray或other array creation routines，因此可能值得简要总结一下它们各自的功能。
区别主要在于何时返回未更改的输入，而不是创建一个新数组作为副本。
array提供了各种各样的选项（大多数其他函数都是围绕它的薄 Package ），包括用于确定何时复制的标志。完整的解释将与文档一样长（参见数组创建，但简要地说，这里有一些例子：
假设a是ndarray，m是matrix，它们都有float32的dtype：

• np.array(a)和np.array(m)将复制两者，因为这是默认行为。
• np.array(a, copy=False)和np.array(m, copy=False)将复制m，但不会复制a，因为m不是ndarray。
• np.array(a, copy=False, subok=True)和np.array(m, copy=False, subok=True)都不会复制，因为m是matrix，它是ndarray的子类。
• np.array(a, dtype=int, copy=False, subok=True)将复制两者，因为dtype不兼容。

大多数其他函数都是围绕array的瘦 Package 器，用于控制何时发生复制：

• asarray：如果输入是兼容的ndarray（copy=False），则返回未复制的输入。
• asanyarray：如果输入是兼容的ndarray或matrix（copy=False，subok=True）子类，则返回未复制的输入。
• ascontiguousarray：如果输入是连续C顺序的兼容ndarray（copy=False，order='C').
• asfortranarray：如果输入是以连续Fortran顺序（copy=False，order='F'）兼容的ndarray，则将返回未复制的输入。
• require：如果输入与指定的需求字符串兼容，则返回未复制的输入。
• copy：输入总是被复制。
• fromiter：输入被视为可迭代对象（例如，您可以从迭代器的元素构造数组，而不是使用迭代器构造object数组）;总是抄。

还有一些方便的函数，如asarray_chkfinite（与asarray相同的复制规则，但如果存在任何nan或inf值，则引发ValueError），以及用于子类（如matrix）或特殊情况（如记录数组）的构造函数，当然还有实际的ndarray构造函数（它允许您直接在缓冲区上创建一个数组）。

这个例子可以说明这种差异：
1.生成矩阵。

>>> A = numpy.matrix(numpy.ones((3, 3)))
 >>> A
 matrix([[ 1.,  1.,  1.],
         [ 1.,  1.,  1.],
         [ 1.,  1.,  1.]])

1.使用numpy.array修改A。因为您正在修改一个副本，所以不起作用。

>>> numpy.array(A)[2] = 2
 >>> A
 matrix([[ 1.,  1.,  1.],
         [ 1.,  1.,  1.],
         [ 1.,  1.,  1.]])

1.使用numpy.asarray来修改A。之所以成功，是因为您正在修改A本身。

>>> numpy.asarray(A)[2] = 2
 >>> A
 matrix([[ 1.,  1.,  1.],
         [ 1.,  1.,  1.],
         [ 2.,  2.,  2.]])

在array和asarray的文档中已经很清楚地提到了它们的区别。区别在于参数列表，因此函数的操作取决于这些参数。
函数定义如下：

numpy.array(object, dtype=None, copy=True, order=None, subok=False, ndmin=0)

和

numpy.asarray(a, dtype=None, order=None)

下面的参数是可以传递给array和notasarray的参数，如文档中所述：
copy：bool，optional如果为true（默认），则对象被复制。否则，只有当__array__返回副本，obj是嵌套序列，或者需要一个副本来满足任何其他要求（dtype，order等）时，才会进行复制。
subok：bool，optional如果为True，则子类将被传递，否则返回的数组将被强制为基类数组（默认）。
ndmin：int，optional指定结果数组应该具有的最小维数。将根据需要在形状前添加1以满足此要求。

asarray(x)类似于array(x, copy=False)
如果要确保在执行任何其他操作之前x将是一个数组，请使用asarray(x)。如果x已经是一个数组，则不会执行任何复制。这不会导致冗余性能下降。
下面是一个确保x首先转换为数组的函数的示例。

def mysum(x):
    return np.asarray(x).sum()

这里有一个简单的例子，可以证明差异。
主要的区别是数组将复制原始数据，并使用不同的对象，我们可以修改原始数组中的数据。

import numpy as np
a = np.arange(0.0, 10.2, 0.12)
int_cvr = np.asarray(a, dtype = np.int64)

数组（a）中的内容保持不变，并且我们仍然可以使用另一个对象对数据执行任何操作，而无需修改原始数组中的内容。

让我们通过下面的例子来理解np.array()和np.asarray()之间的区别：

**np.array（）：**将输入数据（列表、元组、数组或其他序列类型）转换为ndarray，并默认复制输入数据。
**np.asarray（）：**将输入数据转换为ndarray，但如果输入已经是ndarray，则不复制。

#Create an array...

arr = np.ones(5);  # array([1., 1., 1., 1., 1.])

#Now I want to modify `arr` with `array` method. Let's see...

np.array(arr)[3] = 200;  # array([1., 1., 1., 1., 1.])

数组中没有变化，因为我们修改了arr的副本。
现在，使用asarray()方法修改arr。

np.asarray(arr)[3] = 200;  # array([1., 200, 1., 1., 1.])

这个数组中发生了变化，因为我们现在正在使用原始数组。