PySpark - Asigna valores a datos anteriores dependiendo de la última ocurrencia

Ya casi estás allí, solo necesitas definir rowsBetween con Window.unboundedFollowing como abajo y estarás listo.

win_spec = Window.partitionBy("ID").orderBy("date").rowsBetween(0, Window.unboundedFollowing)

import pyspark.sql.functions as f
from pyspark.sql.window import Window

df.withColumn("is_ok", f.last('is_test').over(win_spec)).orderBy('ID').show()
+---+-------+----------+-----+
| ID|is_test|      date|is_ok|
+---+-------+----------+-----+
| 10|      1|2019-01-08|    1|
| 10|      0|2019-01-01|    1|
| 10|      0|2019-01-05|    1|
| 11|      0|2019-03-02|    1|
| 11|      0|2019-03-04|    1|
| 11|      0|2019-03-04|    1|
| 11|      1|2019-03-08|    1|
| 12|      0|2019-06-08|    0|
| 12|      0|2019-06-12|    0|
+---+-------+----------+-----+

Solución usando row_number y dos uniones

  val df1 = df.select('*, row_number().over(Window.partitionBy('id).orderBy('date)).as("rn"))
  val df2 = df1.groupBy('id).agg(max('rn).as("rn"))
  val df3 = df1.join(df2,Seq("id","rn"),"inner").select('id,'is_test.as("is_ok"))
  val df4 = df.join(df3,Seq("id"),"left")
  df4.show()

Salida:

+---+-------+----------+-----+
| id|is_test|      date|is_ok|
+---+-------+----------+-----+
| 10|      0|2019-01-01|    1|
| 10|      0|2019-01-05|    1|
| 10|      1|2019-01-08|    1|
| 11|      0|2019-03-02|    1|
| 11|      0|2019-03-04|    1|
| 11|      0|2019-03-04|    1|
| 11|      1|2019-03-08|    1|
| 12|      0|2019-06-08|    0|
| 12|      0|2019-06-12|    0|
+---+-------+----------+-----+