将文件夹子子文件夹中csv数据，按照每一列进行时域同步平均（TSA）处理，即每window-size个数据进行分割，将window中数据按时序在与分割的其他窗口球均值，window-size可定义，最后输出到新csv的每一列，每一列数据有window—size行，以原csv文件-tsa命名。

为了实现您所描述的时域同步平均（TSA）处理，您需要使用pandas库中的`rolling`函数来计算每一列的滚动平均值，并将结果存储在新的CSV文件中。下面是一个示例代码，可以帮助您完成这个任务：

import os
import pandas as pd

def tsa_processing(input_folder, output_folder, window_size):
    # 检查输出文件夹是否存在，若不存在则创建
    if not os.path.exists(output_folder):
        os.makedirs(output_folder)

    # 遍历输入文件夹中的所有文件
    for root, dirs, files in os.walk(input_folder):
        for file in files:
            if file.endswith(".csv"):
                # 读取CSV文件
                input_path = os.path.join(root, file)
                df = pd.read_csv(input_path)

                # 执行时域同步平均处理
                tsa_df = pd.DataFrame()
                for column in df.columns:
                    column_data = df[column]
                    tsa_column = column_data.rolling(window=window_size).mean()
                    tsa_df[column] = tsa_column

                # 构建输出文件路径
                output_file = os.path.splitext(file)[0] + "-tsa.csv"
                output_path = os.path.join(output_folder, output_file)

                # 将处理后的数据写入新的CSV文件
                tsa_df.to_csv(output_path, index=False)

在上述代码中，我们首先读取每个CSV文件，并使用`rolling`函数对每一列进行滚动平均计算。然后，我们将计算得到的结果存储在一个新的DataFrame对象中，并将其写入到新的CSV文件中。每个生成的CSV文件都以原始CSV文件的名称加上"-tsa"后缀命名。

您可以根据需要调整窗口大小和文件路径。请确保您已安装pandas库（可以使用`pip install pandas`命令进行安装）。

希望这可以满足您的要求！如果还有其他问题，请随时提问。