以下是一个示例代码，可以按用户级别对分类数据进行编码：

import pandas as pd
from sklearn.preprocessing import LabelEncoder

# 创建一个示例数据集
data = {
    'user_id': [1, 2, 3, 4, 5, 6],
    'user_level': ['A', 'B', 'B', 'C', 'C', 'A'],
    'category': ['cat', 'dog', 'cat', 'dog', 'cat', 'dog']
}
df = pd.DataFrame(data)

# 按用户级别分组并对分类数据进行编码
grouped = df.groupby('user_level')
encoded_data = pd.DataFrame()
for name, group in grouped:
    encoder = LabelEncoder()
    encoded_category = encoder.fit_transform(group['category'])
    group['encoded_category'] = encoded_category
    encoded_data = pd.concat([encoded_data, group])

print(encoded_data)

这段代码首先使用pandas库创建一个示例数据集，其中包含了用户ID、用户级别和分类数据。然后，将数据集按用户级别进行分组。接下来，使用sklearn库的LabelEncoder进行编码，将每个分组中的分类数据转换为数值编码。最后，通过将每个编码后的数据组合起来，得到最终的编码数据集。输出结果如下：

   user_id user_level category  encoded_category
0        1          A      cat                 0
5        6          A      dog                 1
1        2          B      dog                 0
2        3          B      cat                 1
3        4          C      dog                 0
4        5          C      cat                 1

在编码后的数据集中，新增了一个名为encoded_category的列，表示对分类数据的编码结果。