在代码中无法理解vars()的作用。

在这段代码中，我正在共享通过用户自定义函数下载的多个股票数据，并且用户定义的函数将数据存储为CSV格式。然后，我们需要计算一些统计数据，如命中率、每日回报率、交易总数和其他一些问题，这并不是问题。问题出在下面的代码中，教师使用了vars()函数，似乎每个股票数据框都存储在该vars()对象中，然后调用一些操作，例如计算每个股票数据框中值的len可以通过添加vars()并在每个数据框上应用操作来完成。如果有人能够详细解释下面代码中vars()的作用以及它是什么，那将是很好的。我能够理解代码vars()，但不清楚它的作用。

stocks = ['MSFT','IBM', 'GM', 'ACN', 'GOOG']
end=datetime.datetime.now().date() 
start=end-pd.Timedelta(days=365*5) # 从'IEX'只能下载五年的历史数据
def hist_data(stocks):
    stock_df=web.DataReader(stocks,'iex',start,end)
    stock_df['Name']=stocks
    fileName=stocks+'_data.csv' # 这段代码实际上是给stocks变量中的每个股票名称添加'_data.csv'，通过这样做，我们将能够将下载的每个个股数据写入CSV格式
    stock_df.to_csv(fileName) # 将每个个股数据写入CSV格式
with futures.ThreadPoolExecutor(len(stocks)) as executor:
    result=executor.map(hist_data,stocks)
print('completed')
all_stats=[]
for stock in stocks:
    df = pd.read_csv(stock+'_data.csv',index_col=0)
    df.columns
    df['Daily returns'] = df['close'] /df['open'] -1
    vars()['df_'+stock] = df.copy()
    #计算亏损和盈利交易
    loss=np.where(vars()['df_'+stock]['Daily returns']<0) # 所以你看到这段代码首先调用了数据框'df_'+stock，因此一个个股数据存储在其中，我们为每个股票数据框命名
    profit=np.where(vars()['df_'+stock]['Daily returns']>0)
    #计算交易次数
    total_trades = len(vars()['df_' + stock]) # 因为我们每天都在交易，所以可以计算数据框的长度
    loss_trades = len(loss[0]) # [0]这个参数是必要的，因为没有它，代码将返回零
    profit_trades = len(profit[0])
    #计算命中率
    hit_ratio= profit_trades/(loss_trades + profit_trades)
    total_returns=np.cumsum(vars()['df_'+stock]['Daily returns'])    
    vars()['df_'+stock]['Cum Returns']=total_returns 
    stats=[stock,hit_ratio,total_returns[len(total_returns)-1]]
    all_stats.append(stats)
    headings=['Stock Name','Hit Ratio','Final Return']
    #最终的计算结果
    final_result=pd.DataFrame(all_stats, columns=headings)
    plt.plot(vars()['df_'+stock].index.values,vars()['df_'+stock]['Cum Returns'],label=stock)
    plt.legend()
#结果如预期