你可以先转换stack，然后再转换to_frame，transpose和swaplevel。最后将MultiIndex变平：

out = df.stack().to_frame().T.swaplevel(axis=1)

out.columns = out.columns.map(lambda x: f'{x[0]}_{x[1]}')

输出：

Date/Time_0 Num_0          Date/Time_1 Num_1          Date/Time_2 Num_2
0  2023/04/10 14:13:18  6122  2023/04/10 14:14:24  6005  2023/04/10 14:14:59  6004

如果你不想要_0：

out.columns = out.columns.map(lambda x: f'{x[0]}{"_"+str(x[1]) if x[1] else ""}')

输出：

Date/Time   Num          Date/Time_1 Num_1          Date/Time_2 Num_2
0  2023/04/10 14:13:18  6122  2023/04/10 14:14:24  6005  2023/04/10 14:14:59  6004

强制特定顺序，并根据需要插入NaN

假设此输入：

Date/Time   Num
0  2023/04/10 14:13:18  6122
1  2023/04/10 14:14:59  6004

在应用上述方法之前，您可以使用字典和reindex强制重新索引：

order = [6122, 6005, 6004]

d = {k: v for v,k in enumerate(order)}

out = (df.set_axis(df['Num'].map(d)).reindex(d.values())
         .stack(dropna=False).to_frame().T.swaplevel(axis=1)
      )
out.columns = out.columns.map(lambda x: f'{x[0]}{"_"+str(x[1]) if x[1] else ""}')

输出：

Date/Time     Num Date/Time_1 Num_1          Date/Time_2   Num_2
0  2023/04/10 14:13:18  6122.0         NaN   NaN  2023/04/10 14:14:59  6004.0

可以使用numpy.ravel：

import numpy as np

cols = np.ravel([df.columns + (f'_{i}' if i else '') for i in range(len(df))])
out = pd.DataFrame([np.ravel(df)], columns=cols)

输出：

>>> out
             Date/Time   Num          Date/Time_1  Num_1          Date/Time_2  Num_2
0  2023/04/10 14:13:18  6122  2023/04/10 14:14:24   6005  2023/04/10 14:14:59   6004

更新

如果数字6005不在那里，在这种情况下，它将在第3和第4列设置6004数字行，但我希望它是第5和第6列，第3-第4列将是空的？
您可以硬编码转换：

pd.concat([df[df['Num'] == 6122].reset_index(drop=True),
           df[df['Num'] == 6005].add_suffix('_1').reset_index(drop=True),
           df[df['Num'] == 6004].add_suffix('_2').reset_index(drop=True)], axis=1)

# Output
             Date/Time   Num Date/Time_1  Num_1          Date/Time_2  Num_2
0  2023/04/10 14:13:18  6122         NaN    NaN  2023/04/10 14:14:59   6004

要将此行注入数据库，可以尝试使用以下命令将NaT/NaN转换为None：

# out = pd.concat(...)
out = out.replace({pd.NaT: None, np.NaN: None})