由于spark的分布式体系结构，数据集行被分割到不同的工作节点和分区上。在spark中，下一行的计算依赖于前一行的输出的操作更加棘手。
首先，按组对数据进行分区。在您的情况下，没有这样的组，因此为所有行引入一个具有常量值的伪键。然后按此键进行分区，并按必填字段排序。在您的情况下，首先按“年”排序，然后按“月”排序。现在在此窗口中执行求和以获得运行总计：

import pyspark.sql.functions as F
from pyspark.sql import Window

df = spark.createDataFrame(data=[[2021, 12, 50],[2021, 11, 50],[2022, 2, 50],[2022, 1, 50],[2022, 10, 50]], schema=["year","month","count"])

df = df.withColumn("dummy_key", F.lit("0"))

w = Window.partitionBy("dummy_key").orderBy("year", "month")

df = df.withColumn("running_total", F.sum("count").over(w))

[Out]:
+----+-----+-----+---------+-------------+
|year|month|count|dummy_key|running_total|
+----+-----+-----+---------+-------------+
|2021|   11|   50|        0|           50|
|2021|   12|   50|        0|          100|
|2022|    1|   50|        0|          150|
|2022|    2|   50|        0|          200|
|2022|   10|   50|        0|          250|
+----+-----+-----+---------+-------------+