以下代码拉低每日油价（dcoilwtico），将每日数据重新采样为每月数据，计算12个月（即年同比百分比）变化，最后包含一个循环，将年同比百分比变化向前移动1个月（dcoilwtico_1）、2个月（dcoilwtico_2），一直移动到12个月（dcoilwtico_12）作为新列：

import pandas_datareader as pdr
start = datetime.datetime (2016, 1, 1)
end = datetime.datetime (2022, 12, 1)
#1. Get historic data
df_fred_daily = pdr.DataReader(['DCOILWTICO'],'fred', start, end).dropna().resample('M').mean() # Pull daily, remove NaN and collapse from daily to monthly
df_fred_daily.columns= df_fred_daily.columns.str.lower()   
#2. Expand df range: index, column names
index_fred = pd.date_range('2022-12-31', periods=13, freq='M')
columns_fred_daily = df_fred_daily.columns.to_list()                   
#3. Append history + empty df 
df_fred_daily_forecast = pd.DataFrame(index=index_fred, columns=columns_fred_daily)
df_fred_test_daily=pd.concat([df_fred_daily, df_fred_daily_forecast])
#4. New df, calculate yoy percent change for each commodity 
df_fred_test_daily_yoy= ((df_fred_test_daily - df_fred_test_daily.shift(12))/df_fred_test_daily.shift(12))*100
#5. Extend each variable as a series from 1 to 12 months
for col in df_fred_test_daily_yoy.columns:
   for i in range(1,13):
      df_fred_test_daily_yoy["%s_%s"%(col,i)] = df_fred_test_daily_yoy[col].shift(i)
      
df_fred_test_daily_yoy.tail(18)

并生成以下df：

问：我的真实的示例包含数百列，我希望使用Pyspark生成这些相同的结果。
用Pyspark怎么编码呢？