我有一个包含decimal（38，8）类型的列的数据框，我对它执行一些操作以计算该列的标准差和平均值。
下面是数据框架的模式和内容

root
 |-- key: string (nullable = false)
 |-- count: decimal(38,4) (nullable = false)

当我进行以下操作时

df.groupBy(col("key")).agg(stddev_pop("count").as("std dev"), avg("count").as("average"))

生成的模式为

root
 |-- key: string (nullable = false)
 |-- std dev: double (nullable = true)
 |-- average: decimal(38,8) (nullable = true)

这导致用于STDDEV和平均列的不同格式（不同的小数数目
| 键|标准差|平均|
| --------------|--------------|--------------|
| 2_AN8068571086_EPA_EUR_PID1742804_ik| 3.499271061118826| 4.57142900|
我的问题：为什么stddev_pop（）和avg（）的输出类型不同？我应该强制转换两列中的一列（例如std dev为decimal（38，4）类型）以具有相同的格式，还是有其他方法来格式化双精度值？
下面是一个重现此行为的简化示例：

import org.apache.spark.sql.Row
import org.apache.spark.sql.types._

val schema = StructType(
     Seq(
     StructField("key", StringType, nullable = false),
     StructField("count", DecimalType(38,4), nullable = false)
     )
     )

val data = Seq(
     Row("2_AN8068571086_EPA_EUR_PID1742804_ik", BigDecimal(2.0)),
     Row("2_AN8068571086_EPA_EUR_PID1742804_ik", BigDecimal(10.0)),
     Row("2_AN8068571086_EPA_EUR_PID1742804_ik", BigDecimal(2.0)),
     Row("2_AN8068571086_EPA_EUR_PID1742804_ik", BigDecimal(4.0)),
     Row("2_AN8068571086_EPA_EUR_PID1742804_ik", BigDecimal(2.0)),
     Row("2_AN8068571086_EPA_EUR_PID1742804_ik", BigDecimal(2.0)),
     Row("2_AN8068571086_EPA_EUR_PID1742804_ik", BigDecimal(10.0))
     )
val df = spark.createDataFrame(spark.sparkContext.parallelize(data), schema)
 
df.printSchema()
df.show(false)

val df1 = df.groupBy(col("key")).agg(stddev_pop("count").as("std dev"), avg("count").as("average"))

df1.printSchema()
df1.show(false)