以下是一个示例代码，展示了如何在Apache Spark中使用分区列来写入和读取Parquet文件：

from pyspark.sql import SparkSession

# 创建Spark会话
spark = SparkSession.builder.appName("ParquetPartitioningExample").getOrCreate()

# 创建示例数据
data = [("Alice", 25, "Female"), ("Bob", 30, "Male"), ("Charlie", 35, "Male"), ("Diana", 40, "Female")]
df = spark.createDataFrame(data, ["name", "age", "gender"])

# 将数据写入Parquet文件，并以gender列进行分区
df.write.partitionBy("gender").parquet("path/to/parquet/file")

# 从Parquet文件中读取数据
df_read = spark.read.parquet("path/to/parquet/file")

# 显示读取的数据
df_read.show()

# 查看分区列
df_read.printSchema()

# 关闭Spark会话
spark.stop()

在这个例子中，我们首先创建了一个Spark会话，并使用createDataFrame函数创建了一个DataFrame对象。然后，我们使用write.partitionBy方法将数据写入Parquet文件，并以gender列进行分区。最后，我们使用read.parquet方法从Parquet文件中读取数据，并使用show方法显示读取的数据和printSchema方法查看分区列。

请注意，partitionBy方法只能用于写入操作，而不能用于读取操作。在读取Parquet文件时，Spark会自动识别和加载分区列的值。