【数据挖掘】数值型数据转化成等级数据及其预处理

问题：
1，如何利用Pandas将等距数据变成等级数据？
2，如何将字符串标签的等级数据转化成数值型的数据？

用kaggle Titanic数据举例：Pclass表示船票等级，Fare表示船票的价格，那同一个船票等级中，不同的船票价格是不是座位的位置也不一样，这是否会影响逃生的顺序呢？（有人可能也会说，影响船票价格的还包括上船的港口位置，越早上传可能价格也比较贵，但是为了简单化，我们这里先不考虑这种情况）。

因此我们需要导入数据，将同一个船票等级，又分成票价高和票价低的数据，即将数值型数据转化成等级数据。

我们拟用：pandas，applay()函数实现，第一个问题，用sklearn.preprocessing.LabelEncoder方法完成等级数据标签的数值化。

# 核心代码1
df.apply(funcName, args=(),axis=1)

# 核心代码2
from sklearn.preprocessing import LabelEncoder
level = LabelEncode()
# 按顺序对array进行数值编码
level.fit(np.array([]))
# 根据上面的标签和数值的映射关系，对列表的数据进行逐一映射
level.transform([])

这个代码表示依次将df每一行的数据，传入到funcName中，同时也把args的参数传入到funcName中，axis=1表示的就是将行数据传入到函数中。

具体实现代码如下（亲测可用）：

import pandas as pd
import numpy as np
def getRankData(df, Pclass1_Fare_mean, Pclass2_Fare_mean, Pclass3_Fare_mean):
    if df