以下是一个简单的示例美食推荐算法代码，使用Python中的pandas库和基本的推荐逻辑实现：

import pandas as pd

# 假设有一个包含美食信息的DataFrame，包括美食名称、类型和评分等字段
food_data = pd.DataFrame({
    'food_name': ['Pizza', 'Sushi', 'Burger', 'Taco', 'Pad Thai'],
    'cuisine_type': ['Italian', 'Japanese', 'American', 'Mexican', 'Thai'],
    'rating': [4.5, 4.3, 4.0, 4.2, 4.1]
})

# 假设用户喜欢的美食类型是意大利菜
user_preferred_cuisine = 'Italian'

# 根据用户偏好筛选美食
filtered_food = food_data[food_data['cuisine_type'] == user_preferred_cuisine]

# 根据评分排序推荐列表
recommended_food = filtered_food.sort_values(by='rating', ascending=False)

print(recommended_food)

在这个简单的示例中，我们首先创建了一个包含美食信息的DataFrame，然后根据用户的偏好（美食类型）筛选出符合条件的美食，最后根据评分对美食进行排序，生成推荐列表。

需要注意的是，这只是一个非常简单的示例，实际的推荐系统可能会涉及更复杂的数据处理、特征工程和机器学习模型。