将文件夹子子文件夹中csv数据，按照每一列进行时EMD分解处理，把原始信号分解出三个IMF，处理好的数据写入新csv中的每一列。原数据每一列写到csv不同sheet里

了解了您的需求。下面是一个修改后的代码示例，可以将文件夹及其子文件夹中的 CSV 数据按列进行时域经验模态分解（EMD），然后将处理后的数据分别写入到新的 CSV 文件的不同工作表中。

import os
import pandas as pd
from pyhht.emd import EMD

def emd_processing(input_folder, output_file):
    # 获取文件夹及其子文件夹中的所有 CSV 文件路径
    csv_files = []
    for root, dirs, files in os.walk(input_folder):
        for file in files:
            if file.endswith(".csv"):
                csv_files.append(os.path.join(root, file))

    # 创建一个字典，用于存储每个列的处理结果
    processed_data = {}

    # 遍历所有 CSV 文件
    for file_path in csv_files:
        # 读取 CSV 文件
        df = pd.read_csv(file_path)

        # 对每一列进行 EMD 分解处理
        for column in df.columns:
            column_data = df[column]
            emd = EMD()
            imfs = emd(column_data)

            # 将分解后的 IMF 数据存储到字典中
            for i, imf in enumerate(imfs):
                new_column_name = f"{column}_IMF{i+1}"
                if new_column_name not in processed_data:
                    processed_data[new_column_name] = []
                processed_data[new_column_name].extend(imf)

    # 将处理后的数据写入新的 CSV 文件的不同工作表中
    with pd.ExcelWriter(output_file) as writer:
        for column_name, column_data in processed_data.items():
            df = pd.DataFrame({column_name: column_data})
            df.to_excel(writer, sheet_name=column_name, index=False)

# 设置输入和输出路径
input_folder = os.path.join(currentPath, 'csv')
output_file = os.path.join(currentPath, 'output.xlsx')

# 调用 emd_processing 函数处理数据
emd_processing(input_folder, output_file)

在上述代码中，我使用了 `pandas` 库来读取和写入 CSV 文件，以及创建 Excel 文件的不同工作表。对于每个 CSV 文件的每一列，我将其进行 EMD 分解处理，并将分解后的 IMF 数据存储到一个字典中。然后，我使用 `pd.ExcelWriter` 来创建一个 Excel 文件，并将每个列的数据写入到不同的工作表中。

请确保您已经安装了必要的依赖库 `pandas` 和 `pyhht`，可以通过 `pip install pandas pyhht` 命令进行安装。

希望这次能满足您的需求。如果有任何问题，请随时提问。