如何用Pandas统计用户蔬菜总消费量并降序排列？

问题背景 #

我正在使用Pandas进行数据处理，现有一个包含两列的CSV文件：

• name：姓名可重复出现
• food：取值为banana、apple、carrot、celery或potato，同一用户可多次记录同一种食物

表格示例：

需求：生成降序列表，展示各用户的蔬菜（carrot、potato、celery）总消费量，包含姓名和对应总量，按总量从多到少排序。

当前尝试代码：

import pandas as pd

df = pd.read_csv('foodcounter.csv')

s = df['name'].groupby(df['food']).value_counts()[['carrot','potato','celery']]

print(s.to_string())

当前输出（按食物分类的用户消费量）：

期望输出（按用户汇总蔬菜总量并降序）：

解决代码及说明 #

你需要先筛选蔬菜记录，再按用户分组统计总量，最后降序排序。完整代码如下：

import pandas as pd

# 读取CSV文件
df = pd.read_csv('foodcounter.csv')

# 定义蔬菜类别列表
vegetables = ['carrot', 'potato', 'celery']

# 筛选蔬菜数据 → 按姓名分组统计 → 转换为DataFrame → 降序排序
result = df[df['food'].isin(vegetables)] \
          .groupby('name') \
          .size() \
          .reset_index(name='count') \
          .sort_values(by='count', ascending=False)

# 输出结果（隐藏索引列）
print(result.to_string(index=False))

代码细节解释 #

1. 筛选蔬菜记录：df[df['food'].isin(vegetables)] 仅保留食物属于蔬菜列表的行，排除水果类数据。
2. 分组统计：.groupby('name').size() 按姓名分组，统计每组的行数，即该用户的蔬菜总消费量。
3. 格式转换：.reset_index(name='count') 将分组后的Series转换为DataFrame，并将统计列命名为count，匹配期望的输出结构。
4. 降序排序：.sort_values(by='count', ascending=False) 按消费量从高到低排列结果。
5. 输出优化：print(result.to_string(index=False)) 隐藏默认的索引列，让输出格式与期望完全一致。

内容的提问来源于stack exchange，提问作者stackuser.m46i3