Python 如何将Spark数据帧列从矢量转换为集合？

我需要处理一个数据集来识别频繁的项目集。所以输入列必须是一个向量。原始列是一个字符串，其中的项用逗号分隔，因此我执行了以下操作：

functions.split(out_1['skills'], ',')

问题是，对于某些行，我在

技能中有重复的值，这会在尝试识别频繁项集时导致错误

我想将向量转换为一个集合，以删除重复的元素。大概是这样的：

functions.to_set(functions.split(out_1['skills'], ','))

但是我找不到一个函数来将一列从向量转换为集合，也就是说，没有
到_set
函数

如何实现我想要的，即从向量中删除重复的元素？
您可以使用
函数将python中的
set
函数转换为udf。udf（set）
然后将其应用于数组列：

df.show()
+-------+
| skills|
+-------+
|a,a,b,c|
|  a,b,c|
|c,d,e,e|
+-------+

import pyspark.sql.functions as F
df.withColumn("unique_skills", F.udf(set)(F.split(df.skills, ","))).show()
+-------+-------------+
| skills|unique_skills|
+-------+-------------+
|a,a,b,c|    [a, b, c]|
|  a,b,c|    [a, b, c]|
|c,d,e,e|    [c, d, e]|
+-------+-------------+