使用Apache Airflow可以很方便地循环运行任务以处理每个批次数据。以下是一个示例代码，演示如何使用Airflow创建一个“循环任务”：

from datetime import datetime, timedelta
from airflow import DAG
from airflow.operators.python_operator import PythonOperator

# 定义一个Python函数，用于处理每个批次数据
def process_batch_data():
    # 在这里编写处理批次数据的代码
    print("Processing batch data...")

# 定义Airflow DAG
default_args = {
    'owner': 'airflow',
    'start_date': datetime(2021, 1, 1),
    'retries': 1,
    'retry_delay': timedelta(minutes=5)
}

dag = DAG('batch_data_processing', default_args=default_args, schedule_interval=timedelta(days=1))

# 定义一个PythonOperator，使用上面定义的函数处理批次数据
process_data_task = PythonOperator(
    task_id='process_data',
    python_callable=process_batch_data,
    dag=dag
)

# 设置任务之间的依赖关系
process_data_task

# 运行DAG
if __name__ == "__main__":
    dag.cli()

在上面的示例中，我们使用了PythonOperator来创建一个任务，该任务会调用process_batch_data函数来处理每个批次数据。我们还定义了一个DAG（有向无环图），并设置了任务的依赖关系和调度间隔。

执行上述代码后，Airflow将会按照设定的调度间隔循环运行任务，每次运行时都会调用process_batch_data函数来处理数据。

注意：要运行这个示例，你需要先安装Airflow，并启动Airflow的调度器和执行器。