self.spark.sql('''

                      create or replace temporary view  temp_all_month as

                      select  distinct expns_month_num

                      from    temp_rdt_fin_Dashboard_ctr_anlys a

                      where  year(to_date(substring(a.expns_month_num,1,6),'yyyyMM')) >= year(add_months(date_add(current_date(),-25),-12)) 

                      and    expns_month_num not like '%13'

                      ''')

        #month_list = ['201902','201903' ,'201904','201905','201906','201907','201908','201909','201910','201911','201912'\

        #              ,'202001','202002','202003' ,'202004','202005','202006','202007','202008','202009','202010','202011','202012']

        #

        month_df =self.spark.sql('''

                    select  cast(substring(expns_month_num,1,6) as int)  as  expns_month_num

                    from    temp_all_month  a

                    order by expns_month_num asc ''')

        #数据框转化为列表行

        rows=month_df.select('expns_month_num').collect()

        #转化为列表

        month_list = [row.expns_month_num  for row in rows]

        #先初始化第一个月份

        df1=self.spark.sql('''select * from temp_rdt_fin_Dashboard_ctr_anlys_basic  ''')

        df1.printSchema()

        df0 = df1.withColumn('expns_month_num', lit(month_list[0]))

        #从列表中扣除第一个

        month_list = month_list[1:]

        for item in month_list:

            df2 = df1.withColumn('expns_month_num', lit(item))

            df0 = df0.union(df2)

        dt = df0.createOrReplaceTempView('temp_rdt_fin_Dashboard_ctr_anlys_month')