卷积可能就是你要找的？

>>> import numpy as np
>>> width = 3
>>> a = np.array([0,0,0,0,0,1,0,0,0,0,2,0,0,0,0,5,0,0,0,1,0,0,0,0,0,0,0,0,0,0])
>>> np.convolve(a, np.ones(width))
array([0., 0., 0., 0., 0., 1., 1., 1., 0., 0., 2., 2., 2., 0., 0., 5., 5.,
       5., 0., 1., 1., 1., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.])

但是这并不保留数组的长度，如果你想保留长度，你应该使用'same'模式：

>>> np.convolve(a, np.ones(width), mode='same')
array([0., 0., 0., 0., 1., 1., 1., 0., 0., 2., 2., 2., 0., 0., 5., 5., 5.,
       0., 1., 1., 1., 0., 0., 0., 0., 0., 0., 0., 0., 0.])

如果这还不够快，我建议您看看scipy.signal.fftconvolve。

我知道这不是完美的解决方案，但它是：我复制了初始列表并创建了一个宽度范围，这样当我发现一个不同于0的数字时，我会用适当的数字替换周围的零

arr = [0,0,0,0,0,1,0,0,0,0,2,0,0,0,0,5,0,0,0,1,0,0,0,0,0,0,0,0,0,0]
arr1 = [0,0,0,0,0,1,0,0,0,0,2,0,0,0,0,5,0,0,0,1,0,0,0,0,0,0,0,0,0,0]
width = 3
width_range = [i for i in range(width//(-2)+1,width//(2)+1)]
print('width_range: ',width_range)
for idx,elem in enumerate(arr):
    if elem !=0:
        for i in width_range:
            arr1[idx+i]=elem
print(arr1)

输出：

width_range:  [-1, 0, 1]
[0, 0, 0, 0, 1, 1, 1, 0, 0, 2, 2, 2, 0, 0, 5, 5, 5, 0, 1, 1, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0]

PS：这个例子只适用于3和5，如果你想用7测试它，你需要在你的信号之间加零。