Python中的盒式濾波器也稱為窗口濾波器，是一種信號處理技術，可以應用于各種領域，如圖像處理、聲音處理等。盒式濾波器可以更好地消除信號中的噪音和雜波。在Python中，我們可以使用SciPy庫中的signal模塊來實現盒式濾波器。

# 導入模塊
from scipy import signal
import numpy as np
# 定義樣本頻率和時長
fs = 1000
T = 1 / fs
# 生成隨機信號
t = np.linspace(0, 1, 1000, False)
x1 = np.sin(2 * np.pi * 5 * t)
x2 = np.sin(2 * np.pi * 50 * t)
x = x1 + x2 + np.random.randn(len(t))
# 定義盒式濾波器
b = signal.firwin(51, cutoff = 100, fs = fs, pass_zero = False)
y = signal.convolve(x, b, mode = 'same')
# 繪制圖像
import matplotlib.pyplot as plt
fig, (ax0, ax1) = plt.subplots(nrows = 2, sharex = True)
ax0.plot(t, x)
ax0.set_title('Input signal')
ax0.axis([0, 1, -2, 2])
ax1.plot(t, y, 'g')
ax1.set_title('Filtered signal')
ax1.axis([0, 1, -2, 2])
plt.tight_layout()
plt.show()

上述代碼是一個簡單的盒式濾波器示例。首先，我們導入需要的模塊和庫。然后，我們定義樣本頻率和時長，以及生成一個包含隨機噪音的信號。接下來，我們使用SciPy庫中的signal模塊的firwin函數定義一個51點的盒式濾波器。最后，我們使用signal模塊中的convolve函數將信號x與濾波器b進行卷積，并將結果繪制成圖像。

總的來說，Python中的盒式濾波器可以在信號處理中應用，可以消除信號中的噪音和雜波。我們可以使用SciPy庫中的signal模塊快速、方便地實現它們。