agg函数需要输入一个(Column, Seq(Column))元组来进行聚合操作。其中第一个元素表示要聚合的列，第二个元素则表示要进行的聚合操作。

例如，在以下示例中，我们想要计算不同地区的销售总额，平均价格和最高价格：

import pyspark.sql.functions as F
from pyspark.sql.types import IntegerType

data = [("A", 100, 10),
        ("A", 200, 20),
        ("B", 300, 30),
        ("B", 400, 40)]

df = spark.createDataFrame(data, schema=["region", "sales", "price"])

df.groupBy("region").agg(
    F.sum("sales").alias("total_sales"),
    F.avg("price").alias("avg_price"),
    F.max("price").alias("max_price")
).show()

输出：

+------+-----------+---------+--------+
|region|total_sales|avg_price|max_price|
+------+-----------+---------+--------+
|     B|        700|     35.0|      40|
|     A|        300|     15.0|      20|
+------+-----------+---------+--------+

在这个例子中，我们首先对“region”列进行分组，然后使用agg函数进行聚合操作。其中，我们使用了sum、avg和max函数来分别计算总销售额、平均价格和最高价格。我们将这些聚合操作的结果使用alias函数进行重命名，最终得到了按地区分组的聚合结果。