相关疑难解决方法(0)

哪个更有效率？

SELECT  theField
FROM    theTable
GROUP BY theField

要么

SELECT  DISTINCT theField
FROM    theTable

当我将distinct()spark 数据框替换为groupBy(). 但我无法理解其背后的原因。整个目的是从数据框中删除行级重复项。

我试着用搜索引擎的实现groupBy()，并distinct()在pyspark，但未能找到它。

有人可以解释或指出我正确的解释方向吗？