PySpark 的 GroupedData 对象不支持对多个列执行不同聚合（如 sum、avg、min）的链式调用，因为每个聚合方法（如 .sum()、.avg()）均直接返回 DataFrame，而非继续返回 GroupedData，导致后续无法调用其他分组聚合方法。
pyspark 的 `groupeddata` 对象不支持对多个列执行不同聚合（如 `sum`、`avg`、`min`）的链式调用，因为每个聚合方法（如 `.sum()`、`.avg()`）均直接返回 `dataframe`，而非继续返回 `groupeddata`，导致后续无法调用其他分组聚合方法。
在 PySpark 中，GroupedData 是 DataFrame 经 .groupBy() 后生成的中间对象，专用于定义分组后的聚合逻辑。然而，其设计并非面向“方法链式聚合”，而是“单次多列聚合”或“多次独立聚合”。查看 PySpark 源码 可确认：所有聚合方法（如 .sum()、.avg()、.min()、.max()、.count() 等）内部均调用 _jgd.agg() 并最终返回一个新的 DataFrame，而非自身类型。这意味着：
# ❌ 错误示例：无法链式调用
grouped = df.groupBy("A")
result = grouped.sum("B").avg("C") # AttributeError: 'DataFrame' object has no attribute 'avg'
该操作在语法上即会报错，因为 .sum("B") 返回的是 DataFrame，已脱离分组上下文。
✅ 正确做法是：在单次 .agg() 调用中指定多个聚合表达式。虽然问题中强调“不导入 pyspark.sql.functions”，但这是唯一符合语义且高效的标准方案——因为 GroupedData.agg() 方法本身接受 Column 对象列表（而这些 Column 必须由函数构造），且官方文档明确将其列为推荐方式：
from pyspark.sql import functions as F
grouped = df.groupBy("A")
result = grouped.agg(
F.sum("B").alias("total_B"),
F.avg("C").alias("avg_C"),
F.min("D").alias("min_D")
)
⚠️ 注意事项：
- GroupedData.agg() 是唯一支持多聚合并行计算的入口，底层会优化为单次 shuffle，性能最优；
- 若坚持不使用 functions 模块，可尝试字符串形式聚合（如 grouped.agg({"B": "sum", "C": "avg", "D": "min"})），但该方式仅支持统一聚合函数（如全为 "sum"）且无法混合不同类型（如 sum + avg），功能严重受限，不推荐；
- 手动多次 .groupBy().agg() 再 join 不仅低效（触发多次 shuffle），还易引入空值和数据倾斜风险。
总结：PySpark 的 GroupedData API 设计遵循“分组 → 一次性聚合”的范式，而非流式链式调用。理解这一点有助于写出更高效、更符合 Spark 执行引擎特性的代码——始终优先使用 agg() 配合 functions 模块完成复合聚合，这是官方推荐、社区通用、且性能最优的标准实践。
