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)

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)))

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

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。

同样，在搜索将N层嵌套列表转换为N维数组的问题后，我一无所获，所以这里是我的解决方法:

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numpy的使用不被禁止(假设numpy已经被添加到OP中)，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]])

或者更简单一点(在另一个答案中提到)，

array = np.array(list_of_lists)