基于滑动窗口提取整数列表独热编码及DataFrame数值转二进制序列

我来帮你一步步搞定这个需求——把从Bed文件计算出的中心整数序列转换成二进制序列，再实现滑动窗口的独热编码。咱们从你现有的代码出发，逐步拓展：

你的centers是一个整数类型的Pandas Series，首先要把每个整数转成二进制位序列。这里建议统一所有二进制的长度（比如根据序列中最大数的二进制位数补前导0），避免后续滑动窗口处理时出现长度不一致的问题。

import pandas as pd
import numpy as np

# 你的原有代码
file = pd.read_csv('chr1.bed', sep='\t', header=None)
centers = (file[2] - file[1])/2 + file[1]
centers = centers.apply(lambda x: round(x))

# 新增：转换为固定长度的二进制序列
# 获取序列中最大整数的二进制位数，确保所有二进制字符串长度一致
max_bit_length = centers.max().bit_length()

# 将每个整数转成固定长度的二进制字符串，拆分为单个bit的整数数组，再展开为一维序列
binary_sequence = centers.apply(
    lambda x: [int(bit) for bit in format(x, f'0{max_bit_length}b')]
).explode().reset_index(drop=True)

解释：

• format(x, f'0{max_bit_length}b')会把整数x转换成长度为max_bit_length的二进制字符串，不足的位用前导0填充
• explode()把每个整数对应的二进制列表展开成单独的行，最终得到一维的二进制位序列（每个元素是0或1）

接下来我们要实现每x个元素的滑动窗口，并对窗口内的每个二进制位做独热编码（0→[1,0]，1→[0,1]）。这里提供两种实现方式：

方式1：手动实现（无额外依赖） #

如果不想引入第三方库，手动处理独热编码和滑动窗口：

# 定义滑动窗口大小，替换成你需要的x值
window_size = 5

# 把二进制序列转成numpy数组方便处理
binary_np = binary_sequence.to_numpy()

# 生成滑动窗口：每个窗口包含window_size个连续的二进制位
windows = np.lib.stride_tricks.sliding_window_view(binary_np, window_shape=window_size)

# 对每个窗口的每个bit做独热编码，再拼接成窗口的独热向量
def one_hot_encode(bit):
    return [1, 0] if bit == 0 else [0, 1]

one_hot_windows = np.array([
    np.concatenate([one_hot_encode(bit) for bit in window]) 
    for window in windows
])

方式2：用Scikit-learn简化编码（适合大规模数据） #

如果你的数据量较大，用sklearn的OneHotEncoder会更高效：

from sklearn.preprocessing import OneHotEncoder

# 定义滑动窗口大小
window_size = 5

binary_np = binary_sequence.to_numpy().reshape(-1, 1)

# 初始化独热编码器，适配0和1两类值
encoder = OneHotEncoder(sparse_output=False, categories='auto')
encoder.fit(binary_np)

# 生成滑动窗口
windows = np.lib.stride_tricks.sliding_window_view(binary_np, window_shape=(window_size,))
windows = windows.squeeze(axis=1)  # 调整窗口形状为(n_windows, window_size)

# 对每个窗口的所有元素做独热编码，再拼接成最终的窗口向量
one_hot_windows = encoder.transform(windows.reshape(-1, 1)).reshape(windows.shape[0], window_size * 2)

最终one_hot_windows就是你需要的结果：每一行对应一个滑动窗口的独热编码序列，长度为window_size * 2（每个bit对应2维独热向量）。

内容的提问来源于stack exchange，提问作者xenopus