要按列值对Spark DataFrame进行分区，并并行将分区数据写入多个S3存储桶，可以按照以下步骤进行操作：

1. 首先，使用Spark读取数据并创建DataFrame。这可以通过不同的数据源，如CSV、JSON等来完成。以下是一个示例代码片段，用于从CSV文件创建DataFrame：

val spark = SparkSession.builder()
  .appName("Partition and Write to S3")
  .getOrCreate()

val df = spark.read
  .format("csv")
  .option("header", "true")
  .load("path/to/input.csv")

2. 接下来，选择要用于分区的列，以及要写入的S3存储桶列表。以下是一个示例代码片段：

val partitionColumn = "column_name"
val s3Buckets = List("s3://bucket1", "s3://bucket2", "s3://bucket3")

3. 然后，使用repartition方法根据列值对DataFrame进行分区。这将根据指定的列值对数据进行重新分布，以便后续并行写入不同的S3存储桶。以下是一个示例代码片段：

val partitionedDF = df.repartition(col(partitionColumn))

4. 最后，使用foreachPartition方法遍历分区，并在每个分区中将数据写入对应的S3存储桶中。以下是一个示例代码片段：

partitionedDF.foreachPartition(partition => {
  val s3Bucket = s3Buckets(TaskContext.getPartitionId())
  val s3Path = s"$s3Bucket/partition_${TaskContext.getPartitionId()}.csv"

  val s3Client = AmazonS3ClientBuilder.defaultClient()

  val outputStream = new ByteArrayOutputStream()
  val csvWriter = new CSVWriter(new OutputStreamWriter(outputStream))

  partition.foreach(row => {
    csvWriter.writeNext(row.mkString(","))
  })

  csvWriter.close()

  val bytes = outputStream.toByteArray()
  val inputStream = new ByteArrayInputStream(bytes)

  s3Client.putObject(s3Bucket, s3Path, inputStream, new ObjectMetadata())
})

在上述代码中，我们首先根据分区ID获取当前分区对应的S3存储桶，然后将分区数据写入到该存储桶的对应路径中。

需要注意的是，上述代码示例中的S3写入部分使用了Amazon S3 Java SDK，因此需要将相应的依赖项添加到项目中。另外，还可以根据实际情况自定义数据写入的格式和逻辑。

请注意，这只是一个示例解决方案，具体的实现可能会根据要求和数据的特性而有所不同。