统计每个班级的平均分。 score_rdd = sc.parallelize([(1, 90), (2, 80), (1, 85), (2, 75), (1, 95)])

可以使用 Spark 的 map-reduce 操作来实现。首先，对 RDD 进行 map 操作，将每个元素的键（即班级编号）作为 key，将每个元素的值（即分数）作为 value。然后，对这些键值对进行 reduceByKey 操作，计算每个班级的总分和学生人数，最后对每个班级的总分除以学生人数得到平均分。

代码如下：

score_rdd = sc.parallelize([(1, 90), (2, 80), (1, 85), (2, 75), (1, 95)])

# 计算每个班级的总分和学生人数
class_total = score_rdd.map(lambda x: (x[0], (x[1], 1))) \
                       .reduceByKey(lambda x, y: (x[0] + y[0], x[1] + y[1]))

# 计算每个班级的平均分
class_avg = class_total.map(lambda x: (x[0], x[1][0] / x[1][1]))

# 输出结果
print(class_avg.collect())

输出结果为：

[(2, 77.5), (1, 90.0)]

表示第 1 个班级的平均分为 90 分，第 2 个班级的平均分为 77.5 分。