Spark-Ambiguous Column Error

Question

我试图在Spark Sql中构建一些技能，主要是在DataFrames中。所以我想要做的就是

• 加入两个DataFrames
• 应用带有元组列的
• 将生成的元组分成两列

我使用的代码是

import org.apache.spark.sql.functions.udf

val profDF = Seq((1,"James","Detective"),
                 (2,"Harvey","Captain"),
                 (3,"Barbara","Club Owner")).toDF("ID", "Name", "Occ")
val persDF = Seq((1, 30, "Single"),
                 (2, 35, "Married"),
                 (3, 30, "Single")).toDF("ID", "Age", "Status")

val upperAdd2:(String, Int)=>(String, Int) = (name, age) => (name.toUpperCase, age + 2)

val upAddUDF = udf(upperAdd2)

profDF.join(persDF, profDF("ID")===persDF("ID"))
    .withColumn("Result", upAdUDF(profDF("Name"),persDF("Age")))
    .withColumn("Caps Name", col("Result._1"))
    .withColumn("More Age", col("Result._2"))
    .drop("Result")
    .show

执行最后一个语句后出现以下错误

org.apache.spark.sql.AnalysisException: Reference 'ID' is ambiguous, could be: ID#4, ID#12.;

我认为我已经为＆＃34; ID＆＃34;正确指定了数据框架。因为以下声明可以正常使用

profDF.join(persDF, profDF("ID")===persDF("ID"))
    .withColumn("Result", upAdUDF(profDF("Name"),persDF("Age")))
    .show

我还需要在此处指明其他内容吗？

我使用Spark 1.6.0，代码仅用于学习目的。如果可以进一步改进，请告诉我。