Scala 如何在Spark中正确连接两个数据帧

鉴于这些数据集：

产品SMETADADF

{'asin': '0006428320', 'title': 'Six Sonatas For Two Flutes Or Violins, Volume 2 (#4-6)', 'price': 17.95, 'imUrl': 'http://ecx.images-amazon.com/images/I/41EpRmh8MEL._SY300_.jpg', 'salesRank': {'Musical Instruments': 207315}, 'categories': [['Musical Instruments', 'Instrument Accessories', 'General Accessories', 'Sheet Music Folders']]}

productsRatingsDF

{"reviewerID": "AORCXT2CLTQFR", "asin": "0006428320", "reviewerName": "Justo Roteta", "helpful": [0, 0], "overall": 4.0, "summary": "Not a classic but still a good album from Yellowman.", "unixReviewTime": 1383436800, "reviewTime": "11 3, 2013"}

这个功能是：

def findProductFeatures(productsRatingsDF : DataFrame, productsMetadataDF : DataFrame) : DataFrame = {
    productsRatingsDF
      .withColumn("averageRating", avg("overall"))
      .join(productsMetadataDF,"asin")
      .select($"asin", $"categories", $"price", $"averageRating")
  }

基于asin，这是连接这两个数据集的正确方法吗

下面是我得到的错误：

线程“main”org.apache.spark.sql.AnalysisException中的异常：分组表达式序列为空，''asin`'不是聚合函数。在窗口函数中将“（avg（`totall`）换行为`averageRating`）”，或者在first（）中换行'`asin`'（或first_值），如果您不在乎得到的是哪个值。；；
聚合[asin 6、有用7、总体8、评论文本9、评论时间10、评论ID 11、评论姓名12、摘要13、统一评论时间14L、平均值（总体8）99]
+-关系[asin#6、帮助#7、总体#8、评论文本#9、评论时间#10、评论ID#11、评论人姓名#12、摘要#13、unixReviewTime#14L]json

我理解错误了吗？正确的，我加入的方式有错误吗？ 我尝试更改.withColumn和.join的顺序，但没有成功。 当我试图根据asin编号将avg（“总体”）输入到列中时，似乎也出现了错误

---

最终的结果应该是，我得到了一个由4列组成的数据框架“asin”、“categories”、“price”和“averageRating”

问题似乎是：

.withColumn（“平均值”），avg（“总体”）

加入前进行适当的聚合：

df
.groupBy("asin") // your columns
.agg(avg("overall").as("averageRating"))

---

对于每一个asin，这是。对不起，我忘了解释那部分。