一步一步地： lambda (key, (totalSum, count)): ... 是所谓的元组参数解包，它在python中已被删除。 RDD.map 接受一个期望为单参数的函数。您尝试使用的函数：

lambda key, vals: ...

是一个需要两个参数而不是一个参数的函数。2.x语法的有效翻译是

lambda key_vals: (key_vals[0], key_vals[1][0] / key_vals[1][1])

或：

def get_mean(key_vals):
    key, (total, cnt) = key_vals
    return key, total / cnt

cbk.map(get_mean)

你也可以用 mapValues :

cbk.mapValues(lambda x: x[0] / x[1])

最后，数值稳定的解决方案是：

from pyspark.statcounter import StatCounter

(pRDD
    .combineByKey(
        lambda x: StatCounter([x]),
        StatCounter.merge,
        StatCounter.mergeStats)
    .mapValues(StatCounter.mean))

可以使用窗口概念对特定列值求平均值。考虑以下代码：

import pyspark.sql.functions as F
from pyspark.sql import Window
df = spark.createDataFrame([('a', 2), ('b', 3), ('a', 6), ('b', 5)],
                           ['a', 'i'])
win = Window.partitionBy('a')
df.withColumn('avg', F.avg('i').over(win)).show()

将产生：

+---+---+---+
|  a|  i|avg|
+---+---+---+
|  b|  3|4.0|
|  b|  5|4.0|
|  a|  2|4.0|
|  a|  6|4.0|
+---+---+---+

平均聚合是在每个worker上分别完成的，不需要往返于主机，因此效率很高。