您似乎需要to_dict：

d = df.drop('datetime', axis=1).to_dict(orient='records')
print (d)
[{'qty': 5, 'price': 1.0, 'name': 'apple'}, 
 {'qty': 2, 'price': 1.5, 'name': 'pear'}, 
 {'qty': 10, 'price': 5.0, 'name': 'banana'}]

但如果不需要，则键入datetime：

d = df.set_index('datetime').to_dict(orient='index')
print (d)
{'2017-11-01 13:20': {'qty': 10, 'price': 5.0, 'name': 'banana'}, 
 '2017-11-01 10:20': {'qty': 5, 'price': 1.0, 'name': 'apple'}, 
 '2017-11-01 11:20': {'qty': 2, 'price': 1.5, 'name': 'pear'}}

如果顺序很重要：

tuples = [tup for tup in df.set_index('datetime').itertuples()]
print (tuples)

[Pandas(Index='2017-11-01 10:20', name='apple', qty=5, price=1.0), 
 Pandas(Index='2017-11-01 11:20', name='pear', qty=2, price=1.5), 
 Pandas(Index='2017-11-01 13:20', name='banana', qty=10, price=5.0)]

编辑：
使用列名创建了新的DataFrame，并添加了旧值。上次写入to_csv：

df = df.set_index('datetime').astype(str)
df1 = pd.DataFrame(np.tile(np.array(df.columns), len(df.index)).reshape(len(df.index), -1), 
                   index=df.index, 
                   columns=df.columns) + '='
df1 = df1.add(df)
print (df1)
                         name     qty      price
datetime                                        
2017-11-01 10:20   name=apple   qty=5  price=1.0
2017-11-01 11:20    name=pear   qty=2  price=1.5
2017-11-01 13:20  name=banana  qty=10  price=5.0

df1.to_csv('filename.csv', header=None)

2017-11-01 10:20,name=apple,qty=5,price=1.0
2017-11-01 11:20,name=pear,qty=2,price=1.5
2017-11-01 13:20,name=banana,qty=10,price=5.0

如果您对字典作为输出感到满意，则可以使用

df.to_dict('index')

在您的示例中（对于read_clipboard的日期有一个轻微的解析错误），这将导致：

In [17]: df = pd.read_clipboard().reset_index(drop=True)

In [18]: df.to_dict('index')
Out[18]: 
{0: {'datetime': '10:20', 'name': 'apple', 'price': 1.0, 'qty': 5},
 1: {'datetime': '11:20', 'name': 'pear', 'price': 1.5, 'qty': 2},
 2: {'datetime': '13:20', 'name': 'banana', 'price': 5.0, 'qty': 10}}

如果你确实需要你指定的输出，一个可能的解决方案是按行迭代 Dataframe ，并通过压缩列列表和行值来构造一个字符串。

def create_key_vals(iterable):
    str_list = []
    for ite in iterable:
        str_list.append(ite[0]+"="+ str(ite[1]))
    return ','.join(str_list)

new_df = df.drop('datetime', axis=1)
col_list = new_df.columns.tolist()
zipped_col_vals = [zip(col_list, row) for row in new_df.itertuples(index=False, name=False)]
col_value_list = [create_key_vals(ite) for ite in zipped_col_vals]
In [116]: col_value_list
Out[116]:
['name=apple,price=1.0,qty=5',
 'name=pear,price=1.5,qty=2',
 'name=banana,price=5.0,qty=10']

您可以通过以下方法将其转换为字符串：

In [117]: ('\n').join(col_value_list)
Out[117]: 'name=apple,price=1.0,qty=5\nname=pear,price=1.5,qty=2\nname=banana,price=5.0,qty=10

def function1(ss:pd.Series):
    return ss.map(lambda x:"{}={}".format(ss.name,x))
df1.loc[:,['datetime']].join(df1.iloc[:,1:].apply(function1)).apply(' '.join,axis=1).map(print)

输出：

2017-11-01*10:20 name=apple qty=5 price=1.0
2017-11-01*11:20 name=pear qty=2 price=1.5
2017-11-01*13:20 name=banana qty=10 price=5.0