Совокупная сумма столбца

Попробуйте этот код. У тебя все скобки перепутались.

df.select(
    *df.columns[:2],
    *[F.sum(F.col(i)).over(Window.orderBy('Month')).alias(i) for i in df.columns[2:8]]
)

Вам нужно суммировать() по всему порядку кадров данных по месяцам. Попробуй это

df = spark.sql(""" with t1 (
 select  '2019-07' c1, 0 c2,   3 c3,   0 c4,   1 c5,   1 c6,   2 c7,   3 c8,   7 c9    union all
 select  '2019-08' c1, 1 c2,   1 c3,   1 c4,   1 c5,   1 c6,   5 c7,   9 c8,   1 c9    union all
 select  '2019-09' c1, 1 c2,   1 c3,   1 c4,   1 c5,   1 c6,   5 c7,   9 c8,   1 c9    union all
 select  '2019-10' c1, 1 c2,   1 c3,   1 c4,   1 c5,   1 c6,   5 c7,   9 c8,   1 c9
  )  select   c1  Month,   c2  month_index,   c3  QA_count,   c4  BS_count,   c5  BV_count,   c6  QT_count,   c7  B,   c8  QB_count,   c9  BT_count    from t1
""")
df.show(truncate=False)

+-------+-----------+--------+--------+--------+--------+---+--------+--------+
|Month  |month_index|QA_count|BS_count|BV_count|QT_count|B  |QB_count|BT_count|
+-------+-----------+--------+--------+--------+--------+---+--------+--------+
|2019-07|0          |3       |0       |1       |1       |2  |3       |7       |
|2019-08|1          |1       |1       |1       |1       |5  |9       |1       |
|2019-09|1          |1       |1       |1       |1       |5  |9       |1       |
|2019-10|1          |1       |1       |1       |1       |5  |9       |1       |
+-------+-----------+--------+--------+--------+--------+---+--------+--------+

Получите столбцы, которые необходимо суммировать:

cols=df.columns
cols_new=cols[2:]

for c in cols_new:
    df=df.withColumn(c,expr(f"sum({c}) over(order by month) "))

df.show(truncate=False)

+-------+-----------+--------+--------+--------+--------+---+--------+--------+
|Month  |month_index|QA_count|BS_count|BV_count|QT_count|B  |QB_count|BT_count|
+-------+-----------+--------+--------+--------+--------+---+--------+--------+
|2019-07|0          |3       |0       |1       |1       |2  |3       |7       |
|2019-08|1          |4       |1       |2       |2       |7  |12      |8       |
|2019-09|1          |5       |2       |3       |3       |12 |21      |9       |
|2019-10|1          |6       |3       |4       |4       |17 |30      |10      |
+-------+-----------+--------+--------+--------+--------+---+--------+--------+