进一步针对咨询类别内部进行统计分析，统计内容为101网页类型的子类型、记录数及其所占101网页类型总记录百分比

同样地，假设你有一个包含类别、子类型和记录数字段的Spark DataFrame，可以使用以下代码来针对咨询类别内部进行统计分析，统计内容为101网页类型的子类型、记录数及其所占101网页类型总记录百分比：

from pyspark.sql.functions import sum, round

# 假设你的DataFrame名为df
# 先按类别和子类型进行分组，并统计每组的记录数
grouped_df = df.filter(col("类别") == 101).groupBy("子类型").agg(sum("记录数").alias("记录数"))

# 计算每个子类型所占101网页类型总记录百分比
total_count = grouped_df.agg(sum("记录数").alias("总记录数")).collect()[0]["总记录数"]
grouped_df = grouped_df.withColumn("%", round(col("记录数")/total_count*100, 2))

# 按记录数从大到小排序
grouped_df = grouped_df.sort(col("记录数").desc())

# 打印结果
grouped_df.show()

其中，`groupBy()`函数用于按列进行分组，`agg()`函数用于进行聚合计算，`sum()`函数用于计算总和，`alias()`函数用于给聚合结果的列命名，`withColumn()`函数用于添加新列，`round()`函数用于对百分比进行四舍五入保留两位小数，`collect()`函数用于将DataFrame转换为Python的列表，`sort()`函数用于按指定列进行排序，`desc()`表示降序排列。