我找了一下。这个答案告诉我，我可以在groupeddata上使用udf，它可以工作，我可以用自己的函数处理groupdata中的行和列。
根据官方教程。它们使用groupby（）和window（）操作来表示窗口聚合，如下所示。

words = ...  # streaming DataFrame of schema { timestamp: Timestamp, word: String }

# Group the data by window and word and compute the count of each group

windowedCounts = words.groupBy(
    window(words.timestamp, "10 minutes", "5 minutes"),
    words.word
).count()

我的问题是，是否有一种方法可以在words.groupby（window（words.timestamp，“10分钟”，“5分钟”）上使用自定义项。代码可能如下所示？我试过了，但没用。

schema = StructType(
    [StructField("key", StringType()), StructField("avg_min", DoubleType())]
)

@panda_udf(schema, functionType=PandasUDFType.GROUPED_MAP)
def g(df):
    #whatever user-defined code 

words = ...  # streaming DataFrame of schema { timestamp: Timestamp, word: String }
windowedCounts = words.groupBy(
    window(words.timestamp, "10 minutes", "5 minutes"),
    words.word
).apply(g)