Python 如何使用多个数据集运行1个函数？

假设我得到了20组数据，我把它们读作df1，df2，df3，df4…df20。 （还有其他读取或存储数据帧的智能方式吗？）

我的职能是：

def CalculateEMA(x,window):    
    sma = x.rolling(window, min_periods=window).mean()[:window]
    rest = x[window:]
    EMA_window=(pd.concat([sma, rest]).ewm(span=window,adjust=False).mean()).sum())

    return EMA_window

我希望返回所有20个数据帧的EMA，并存储为X。

---

所以我的最终输出是X=[x1，x2，x3，X，X，X，X，X…x20]。其中，x1是df1的EMA函数的和，x2是第二个数据集df2，依此类推。

如果将数据帧存储在列表中，您可以在整个数据帧中循环：

X=list()
list_df = [df1,df2,...,df20]
for df in list_df:
    X.append(CalculateEMA(df,window))

---

要读取文件夹中的所有csv文件，可以使用os功能

    import os
    path_to_dir='<your path>'
    filenames = os.listdir(path_to_dir)
    csvs=[f for f in filenames if f.endswith('csv')]
    out=[]
    for path in csvs:
        df=pd.read_csv(path)
        out.append(CalculateEMA(df,window))

导入操作系统
路径到目录=“”
filenames=os.listdir（路径到目录）
csvs=[f表示文件名中的f，如果f.endswith（'csv'）]
out=[]
对于CSV中的路径：
df=pd.read\u csv（路径）
out.append（CalculateEMA（df，窗口））

是否有其他方法读取数据而不是逐个读取？就像我必须像df1=pd一样读它一样。读_csv（'....'），重复20次