读取目录中的所有csv文件，将csv文件的每列按窗口切片，计算均值、方差、小波1-16的能量值，存储到新的csv文件，并按原csv文件名+列命名

你可以使用Python的pandas库来读取目录中的所有csv文件，并对每列进行窗口切片、计算统计指标和能量值。以下是一个示例代码：

import os
import pandas as pd
import numpy as np
import pywt

# 定义窗口大小和步长
window_size = 100
step_size = 50

# 获取目录中的所有csv文件
directory = '/path/to/directory'
csv_files = [file for file in os.listdir(directory) if file.endswith('.csv')]

for file in csv_files:
    # 读取csv文件
    df = pd.read_csv(os.path.join(directory, file))
    
    # 获取原始数据的列名
    column_names = df.columns
    
    # 创建新的DataFrame用于存储结果
    result_df = pd.DataFrame(columns=[f'{file}_{col}_mean' for col in column_names] +
                                     [f'{file}_{col}_var' for col in column_names] +
                                     [f'{file}_{col}_energy' for col in column_names])
    
    # 对每列进行窗口切片、计算统计指标和能量值
    for col in column_names:
        col_data = df[col]
        num_windows = (len(col_data) - window_size) // step_size + 1
        
        for i in range(num_windows):
            window_data = col_data[i*step_size : i*step_size + window_size]
            
            # 计算均值和方差
            mean_value = np.mean(window_data)
            var_value = np.var(window_data)
            
            # 计算小波能量值
            coeffs = pywt.wavedec(window_data, 'db4', level=16)
            energy_values = [np.sum(np.square(coeff)) for coeff in coeffs]
            
            # 将结果添加到新的DataFrame
            row = [mean_value] + [var_value] + energy_values
            result_df.loc[i] = row
    
    # 将结果保存为新的csv文件
    result_file = f'{file}_result.csv'
    result_df.to_csv(os.path.join(directory, result_file), index=False)

以上代码会将每个csv文件的每列按窗口切片，并计算均值、方差和小波1-16的能量值，然后将结果存储到新的csv文件中，文件名按原csv文件名+列命名。请将`/path/to/directory`替换为你的目录路径。