正如在其他回答中提到的，np.vstack()将允许您将列表的列表(嵌套列表)转换为子列表的1维数组。但是如果你想把列表的列表转换成2维的numpy.ndarray。然后可以使用numpy.asarray()函数。

例如，如果你有一个名为y_true的列表，看起来像:

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

这一行y_true = np.asarray(y_true)将把列表的列表转换为一个2维numpy ndarray，看起来像这样:

 [[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，您还可以像np一样指定dtype参数。Asarray (y_true, dtype = float)将数组值设置为所需的数据类型。

我有一个等长的列表。即使在那时，伊格纳西奥·巴斯克斯-艾布拉姆斯的答案对我来说也不奏效。我得到了一个一维numpy数组，它的元素是列表。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)))

正如在其他回答中提到的，np.vstack()将允许您将列表的列表(嵌套列表)转换为子列表的1维数组。但是如果你想把列表的列表转换成2维的numpy.ndarray。然后可以使用numpy.asarray()函数。

例如，如果你有一个名为y_true的列表，看起来像:

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

这一行y_true = np.asarray(y_true)将把列表的列表转换为一个2维numpy ndarray，看起来像这样:

 [[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，您还可以像np一样指定dtype参数。Asarray (y_true, dtype = float)将数组值设置为所需的数据类型。

如果列表的列表包含元素数量不同的列表，那么Ignacio Vazquez-Abrams的答案将不起作用。相反，至少有3种选择:

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)首先让列表的长度相等:

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)

就用熊猫吧

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

这只适用于列表的列表

如果你有一个列表的列表的列表，你可能想尝试一些沿着

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

由于这是谷歌上将列表列表转换为Numpy数组的顶级搜索，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，这样做实际上更快:

>>> 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，因此我添加了连接。

无论如何……我更喜欢hstack方法，因为它优雅地使用了Numpy。