如何对独热编码矩阵行实现左右各1元素的平滑扩展？

API 探路者

2026-5-6

实现独热编码的平滑扩展（左右各1位）

嘿，这个需求其实可以用Numpy的卷积或者滑动窗口来轻松实现，我给你两种靠谱的方案，都能完美得到你想要的目标矩阵：

方法一：一维卷积法（简洁高效）

这个方法利用Numpy的np.convolve函数，通过一个长度为3的卷积核，把独热位置及其左右相邻位都标记为1。mode='same'参数能保证输出和输入的维度完全一致，自动处理边界情况（比如首尾元素没有左/右邻居的场景）。

import numpy as np

# 定义原始独热矩阵
X = np.array([[0., 0., 0., 1., 0.], [1., 0., 0., 0., 0.], [0., 0., 1., 0., 0.]])

# 定义卷积核：覆盖当前位置+左右各1位
kernel = np.array([1, 1, 1])

# 对每一行执行卷积，将结果转为0/1的浮点型矩阵
Y = np.array([np.convolve(row, kernel, mode='same') > 0 for row in X]).astype(float)

# 输出结果
print(Y)

运行后输出正好是你要的目标矩阵：

[[0. 0. 1. 1. 1.]
 [1. 1. 0. 0. 0.]
 [0. 1. 1. 1. 0.]]

方法二：滑动窗口法（直观易懂）

如果你想更清晰地看到每一步的窗口覆盖逻辑，可以用滑动窗口视图实现。核心思路是先在每行首尾补0，然后滑动取3个元素的窗口，只要窗口内有1，就将对应位置设为1。

import numpy as np

X = np.array([[0., 0., 0., 1., 0.], [1., 0., 0., 0., 0.], [0., 0., 1., 0., 0.]])

# 在每行的左右两侧各补一个0，处理边界
X_padded = np.pad(X, pad_width=((0,0),(1,1)), mode='constant')

# 生成每行的滑动窗口（窗口大小3）
windows = np.lib.stride_tricks.sliding_window_view(X_padded, window_shape=3, axis=1)

# 对每个窗口求和，只要和>0就标记为1，转为浮点型
Y = (windows.sum(axis=2) > 0).astype(float)

print(Y)

这个方法的输出和上面完全一致，适合需要理解窗口覆盖过程的场景。