Python PySpark不以拼花格式编写时间戳和十进制列的统计信息

我正在尝试使用Pyspark生成拼花地板文件。我发现在生成的拼花文件的元数据中，没有设置TimestampType和DecimalType列的统计信息（IntegerType和DateType列很好）

使用PyArrow读取拼花地板文件时，我需要统计信息（最小值和最大值）来过滤行组

我正在使用pyspark 2.4.0生成拼花地板文件，并使用pyarrow 0.12.1读取它们：

导入日期时间
从十进制输入十进制
从pyarrow导入拼花地板
从pyspark导入SparkConf、SparkContext、SQLContext
从pyspark.sql.types导入(
StructField，
结构类型，
整型，
日期类型，
时间戳类型，
分母型，
)
数据=[
（100，datetime.date（2019,3,1），datetime.datetime（2019,3,1,1），十进制（'100.0'），
（200，datetime.date（2019,3,2），datetime.datetime（2019,3,2,1），十进制（'200.0'），
（300，datetime.date（2019,3,3），datetime.datetime（2019,3,3,1），十进制（'300.0'），
（400，datetime.date（2019,3,4），datetime.datetime（2019,3,4,1），十进制（'400.0'），
]
列=[
StructField（'int_column'，IntegerType（）），
StructField（'date\u column'，DateType（）），
StructField（'timestamp_column'，TimestampType（）），
StructField（'decimal_column'，DecimalType（10,2）），
]
schema=StructType（列）
spark_context=SparkContext（conf=SparkConf（））
sql\u context=SQLContext（spark\u context）
rdd=spark_context.parallelize（数据）
df=sql\u context.createDataFrame（rdd，schema=schema）
db_path='/tmp/parquet_test'
拼花地板（db_路径，compression='gzip'）
数据集=拼花。拼花数据集（db_路径）
meta\u data=dataset.pieces[1]。获取元数据（parquet.ParquetFile）
行组=元数据。行组（0）
对于范围（列）中的列索引：
列=行组。列（列索引）
打印（f'列名：{column.path_in_schema}，is_stats_set:{column.is_stats_set}'））

代码的输出为：

column name: int_column, is_stats_set: True
column name: date_column, is_stats_set: True
column name: timestamp_column, is_stats_set: False
column name: decimal_column, is_stats_set: False

我不知道为什么PySpark没有设置最后两列的统计信息

我是否遗漏了代码中的某些内容，或者这是PySpark的预期行为？如果是后者，我需要自己将时间戳转换为整数或从整数转换为整数