考虑以下Dataframe：

+----------+------+--+
|    person| style| n|
+----------+------+--+
|        P1|     A| 1|
|        P2|     A| 1|
|        P2|     B| 2|
|        P3|     A| 1|
|        P3|     B| 2|
|        P3|     C| 2|
|        P4|     A| 2|
|        P4|     B| 2|
+----------+------+--+

目标是确定每个人喜欢的风格。然而，偏好有着复杂的规则！
如果一个人有一个单一的风格（例如。 P1 )不管观察的次数多少，这种风格都是他们的首选 n .
如果一个人有两种或两种以上的风格，其中一种显然是最好的 n （例如。 P2 风格 B )那就是偏好。
现在越来越难了。如果一个人有3种或3种以上的风格，其中至少有2种 n 都是最高的值并且是相同的，那么所有的样式都是最高的 n 被认为是偏好（例如。 P3 样式 B 以及 C )
如果一个人有两种或两种以上的风格 n 是相同的，没有设置首选项（例如。 P4 ). 注意，如果 P3 还有一个 n 为时尚 A （为了成功） 2 )那么它也属于这一类。
在尝试spark之前，我只想 GROUP 以及 ORDER 由 person 会重复这些结果，嗅探 max(n) 一般来说是通过编程来处理的。但我对spark还很陌生，我知道应该避免迭代和收集之类的东西。我想我的目标输出帧是

+----------+------+--+
|    person| style| n|
+----------+------+--+
|        P1|     A| 1|
|        P2|     B| 2|
|        P3|     B| 2|
|        P3|     C| 2|
+----------+------+--+

有几个很好的例子可以在一个列中找到最大值 GROUP BY 但这不符合上述第3条或第4条的规定。
我猜是某种自我连接 (count(max(n)) <> count(*)) or count(max(n)) = 1 但我不擅长sql。
不是为了让这成为一个竞赛，而是作为一个比较，在mongodb中，我会为每个人将样式和计数放入一个数组中，然后使用 $reduce 遍历数组并应用逻辑 n 在每个样式中都是相同的，然后用表示状态的代码“标记”文档（而不是数组）。