本文介绍一种基于 scipy.linalg.block_diag 的通用方法，用于将两个二维数组沿对角线方向可控重叠拼接，并对重叠区域元素自动取平均，支持指定重叠宽度，且天然兼容稀疏矩阵扩展。 本文介绍一种基于 scipy.linalg.block_diag 的通用方法，用于将两个二维数组沿对角线方向可控重叠拼接，并对重叠区域元素自动取平均，支持指定重叠宽度，且天然兼容稀疏矩阵扩展。在科学计算与信号处理中，常需将多个局部数据块（如分段矩阵、滑动窗口结果或子域解）按一定偏移量"缝合"成一个全局结构。不同于标准的块对角拼接（block_diag），实际场景往往要求相邻块存在可控重叠（overlap），并在重叠区域进行加权融合（如简单平均）。本文提供一种简洁、可扩展、内存友好的实现方案。核心思想：掩码驱动的加权叠加该方法不显式构造全尺寸稠密矩阵，而是利用 block_diag 构建带零填充的稀疏结构，通过分子累加与分母计数双通道叠加，再逐元除法完成平均------本质是"加权和 / 权重和"，其中权重为参与叠加的块数量（0 或 1 或 2）。给定两个形状一致的方阵 A 和 B（此处均为 3×3），目标是实现 overlap=2 的重叠拼接（即中间 2 行/列重合），最终输出为 4×4 矩阵：import numpy as npfrom scipy.linalg import block_diagA = np.linspace(1, 9, 9).reshape(3, 3)B = np.linspace(10, 18, 9).reshape(3, 3)overlap = 2? 步骤详解计算补零尺寸：为使 A 的右下角与 B 的左上角重叠 overlap 行列，需在 A 后添加 len(B) - overlap 行/列零垫，在 B 前添加 len(A) - overlap 行/列零垫：pad_A = A.shape0 - overlap # = 1pad_B = B.shape0 - overlap # = 1ZerosA = np.zeros((pad_A, pad_A))ZerosB = np.zeros((pad_B, pad_B))构建分子（Sum）与分母（Denom）矩阵： JoinMC智能客服 JoinMC智能客服，帮您熬夜加班，7X24小时全天候智能回复用户消息，自动维护媒体主页，全平台渠道集成管理，电商物流平台一键绑定，让您出海轻松无忧！