Python 利用熊猫寻找每日平均值

我目前正在编写一个代码，该代码接收一个.csv文件，该文件显示如下：

724070 93730 19800101   0   330 1.5 22000   -1.7    -5      1013.6  78
724070 93730 19800101   100 230 1.5 22000   -2.7    -5.5    1013.7  81
724070 93730 19800101   200 0   0   22000   -3.8    -4.9    1013.9  92
724070 93730 19800101   300 340 1.5 22000   -5.6    -6.1    1013.6  96
724070 93730 19800101   400 0   0   22000   -6.6    -7.7    1013.6  92
724070 93730 19800101   500 330 1.5 22000   -7.1    -8.8    1013.6  88

其中前两列是标识符，第三列是日期，第四列是小时，最后七列是感兴趣的值。我的最终目标是得到一年中每一天最后七列的每日平均值

我试图通过只在数组中操作数据来胡闹，但我确信要走熊猫路线，所以我的代码是相当新的。到目前为止，我已经：

import pandas as pd

csv = raw_input('What is the name of your file? ') 

cols = ['USAF','NCDC','DATE','HR','WND DIR','WND SPD', 'SKY CVR','TMPC','TMDC','PRES','RH']
data = pd.read_csv(csv, header = None, parse_dates = [['DATE', 'HR']],  names = cols)

因为我刚刚学习熊猫，所以我在离开这里时遇到了困难，我希望能得到一些帮助——我所看到的其他问题还没有帮助

1）此.csv文件中有三个唯一的“USAF”标识符，我是否可以将此数据帧分为三个数据帧，这三个数据帧由USAF列确定

第二）熊猫很难识别我的日期和时间格式，这不允许我进一步计算平均值。我如何缓解这种情况

---

提前感谢

通过观察创建平均值相当简单。请注意，这不是一个特定于日期的概念，您基本上希望使用一些值作为组标识符来创建平均值。这方面的标准代码是

df = pd.DataFrame(data)
means = df.groupby('DATE').mean()

如果要根据名为“a”的列的三个值“a1”、“a2”、“a3”来分隔数据，一种方法是

data1 = df[df['A'] == 'a1']
data2 = df[df['A'] == 'a2']
data3 = df[df['A'] == 'a3']

您可以在任何数据帧上执行此操作，也可以在我前面称为

的数据帧上执行此操作。但是，如果要对不同的
站执行相同的计算，则分离数据集是没有意义的。我更愿意做的是将数据集保持在一起，执行所有操作，并且在查看结果和/或绘图之前不要拆分。那更干净，国际海事组织

至于将列标识为日期，我相信这是一个在这里经常被问（和回答）的问题。
你说的“站”是什么意思？我应该更一般地说，“站”代表“USAF”列下的三个独特值哇，我在尝试了这一点之后有一个“Huzzah！”时刻。非常感谢你！