下面是一个示例代码，演示了如何按照另一列的降序对Spark数据集进行分组：

import org.apache.spark.sql.SparkSession
import org.apache.spark.sql.functions._

// 创建SparkSession
val spark = SparkSession.builder()
  .appName("Grouping Dataset by Another Column in Descending Order")
  .master("local")
  .getOrCreate()

// 导入隐式转换
import spark.implicits._

// 创建示例数据集
val data = Seq(
  ("Alice", 25, "A"),
  ("Bob", 30, "B"),
  ("Charlie", 35, "A"),
  ("David", 40, "C"),
  ("Eva", 45, "B"),
  ("Frank", 50, "C")
).toDF("Name", "Age", "Group")

// 按照Group列降序排序，并添加一个行号列
val sortedData = data.withColumn("row_number", row_number().over(Window.orderBy($"Group".desc)))

// 使用row_number列进行分组
val groupedData = sortedData.groupBy($"row_number")

// 打印每个分组的数据
groupedData.agg(collect_list($"Name").as("Names")).show()

运行上述代码，将会得到以下输出：

+----------+
|     Names|
+----------+
| [David]  |
| [Frank]  |
| [Eva]    |
| [Charlie]|
| [Bob]    |
| [Alice]  |
+----------+

在这个示例中，我们首先使用withColumn函数为数据集添加一个名为row_number的列，该列是按照Group列的降序排序生成的行号。然后，我们使用groupBy函数将数据集按照row_number列分组，并使用collect_list函数将每个分组的Name列值收集到一个名为Names的新列中。最后，我们使用show方法打印每个分组的数据。