使用PYSPARK解决：（1）按球队分区，并按场均得分降序排序。 （2）为每个球队的球员按得分排名。 （3）筛选出每个球队中排名第一的球员。 （4）选择球队名、球员名和场均得分列。 (5)保存结果到CSV文件并显示。在确认数据无误后，保存到csv文件，以便后面进行可视化。

在PySpark环境下，我们可以使用DataFrame的`groupBy`, `sort`, `rank`, `filter`以及`select`等函数来处理这个问题。这里是一个示例步骤：

1. 按球队分区，并按场均得分降序排序：

from pyspark.sql import functions as F

# 假设df是一个包含球员信息的数据框，有'球队', '得分'和'场均得分'字段
sorted_df = df.groupBy('球队').agg(F.mean('场均得分').alias('场均得分')).sort(F.desc('场均得分'))

2. 为每个球队的球员按得分排名：

ranked_df = sorted_df.withColumn('得分排名', F.dense_rank().over(Window.partitionBy('球队').orderBy(F.col('得分').desc())))

这里使用了`dense_rank()`函数给每个队内的得分进行排名。

3. 筛选出每个球队中排名第一的球员：

top_player_df = ranked_df.filter((F.col('得分排名') == 1))

这将只保留每个队伍得分最高的球员。

4. 选择球队名、球员名和场均得分列：

selected_columns = ['球队', '球员名', '场均得分']
result_df = top_player_df.select(*selected_columns)

`*`操作符用于选择所有列。

5. 保存到CSV文件并显示：

result_df.write.csv('output.csv', header=True)
print(result_df.show())

这将创建一个名为"output.csv"的文件，并打印出结果数据的前几行以确认数据无误。