PySpark中groupBy函数报错：'GroupedData'对象无show属性

先解决你遇到的AttributeError #

groupBy('winner')执行后返回的是GroupedData对象，这类对象仅支持聚合操作（如count()、sum()），不能直接调用show()方法。必须先调用聚合函数将其转换为DataFrame，再执行show()。比如仅统计各选手获胜场次的代码应为：

game_info.groupBy('winner').count().show()

针对「列出每届世界冠军获胜者」需求的完整实现 #

你的核心需求是按赛事维度，找出该赛事中总得分/成绩最高的选手（即冠军），完整代码如下：

from pyspark.sql import functions as F
from pyspark.sql.window import Window

# 读取数据集（原有代码逻辑保留）
game_info = spark.read.load("/content/chess/chess_wc_history_game_info.csv",
                     format="csv", sep=",", inferSchema="true", header="true")

# 1. 计算每个选手在单届赛事中的总获胜场次（作为成绩）
tournament_player_scores = game_info.groupBy("tournament_name", "winner")
                                   .agg(F.count("*").alias("total_wins"))

# 2. 用窗口函数筛选每届赛事中成绩最高的选手
window_spec = Window.partitionBy("tournament_name").orderBy(F.desc("total_wins"))
tournament_champions = tournament_player_scores.withColumn("rank", F.rank().over(window_spec))
                                               .filter(F.col("rank") == 1)
                                               .select("tournament_name", "winner", "total_wins")

# 输出结果
tournament_champions.show()

代码说明 #

• groupBy("tournament_name", "winner").agg(F.count("*").alias("total_wins"))：按赛事+选手分组，统计选手在该赛事的总胜场数（作为成绩指标）。
• Window.partitionBy("tournament_name").orderBy(F.desc("total_wins"))：创建窗口，按赛事分组后，每组内按胜场数降序排序。
• F.rank().over(window_spec)：为每个选手在所属赛事内排名，胜场最多的选手排名为1。
• 筛选rank == 1的记录，即可得到每届赛事的冠军（若存在并列第一，会全部列出）。

内容的提问来源于stack exchange，提问作者Samar Pratap Singh