如何在PySpark中使用自定义的行分组进行reduceByKey？

from pyspark import SparkContext
from pyspark.sql import SparkSession
from pyspark.sql.functions import udf
from pyspark.sql.types import *

spark = SparkSession.builder.getOrCreate()

def custom_group(row):
    # 自定义行分组逻辑，将需要分组的行返回一个标识符
    # 例如：假设需要按照行首字母进行分组，则返回行首字母
    return row[0]

custom_group_udf = udf(custom_group, StringType())

# 假设有一个包含两列数据的CSV文件，列名为col1和col2
df = spark.read.csv("path/to/file.csv", header=True, schema=StructType([StructField("col1", StringType()), StructField("col2", IntegerType())]))

# 将DataFrame按照自定义的行分组函数进行分组
grouped_df = df.withColumn("group_id", custom_group_udf(df.col1))

# 使用reduceByKey进行聚合操作
aggregated_df = grouped_df.groupBy("group_id").agg({"col2": "sum"})

aggregated_df.show()