groupBy方法有两种调用方式，可以传入String类型的字段名，也可传入Column类型的对象。 使用方法如下：
df.groupBy("user") df.groupBy(df("user"))groupBy方法之后得到的是GroupedData类型对象，不能直接接show方法来展示DataFrame，还需要跟一些分组统计函数，常用的统计函数有： max(colNames: String)方法，获取分组中指定字段或者所有的数字类型字段的最大值，只能作用于数字型字段 min(colNames: String)方法，获取分组中指定字段或者所有的数字类型字段的最小值，只能作用于数字型字段 mean(colNames: String)方法，获取分组中指定字段或者所有的数字类型字段的平均值，只能作用于数字型字段 sum(colNames: String)方法，获取分组中指定字段或者所有的数字类型字段的和值，只能作用于数字型字段 count()方法，获取分组中的元素个数
agg实现聚合操作：
聚合操作调用的是agg方法，该方法有多种调用方式。一般与groupBy方法配合使用。 比如我们查找最大的id，并把所有的user值相加，这里只是为了演示代码的作用：
df.agg("id"->"max","user"->"sum").show() 输出： +-------+---------+ |max(id)|sum(user)| +-------+---------+ | 12| 24.0| +-------+---------+collect
例如下面的例子:
df.groupBy("user").max("id").show() df.groupBy(df("user")).max("id").show() 输出： +----+-------+ |user|max(id)| +----+-------+ | 3| 8| | 1| 12| | 2| 10| +----+-------+
我们还经常想要实现一个类似excel数据透视表的功能，这里就需要用到pivot函数，比如要统计每个用户通过各种渠道下单的次数：
df.groupBy(df("user")).pivot("type").count().show() 输出： +----+----+----+----+----+ |user|APP1|APP2| 助手1| 助手2| +----+----+----+----+----+ | 3| 2| 1|null| 1| | 1| 2|null| 1| 1| | 2|null| 1| 3|null| +----+----+----+----+----+
