Panda объединяет несколько строк в одну строку с разными именами столбцов не в одном столбце

Вы можете складывать , затем конвертировать в_фрейм , транспонировать и подкачивать. Наконец, сгладьте MultiIndex:

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

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

Выход:

           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

Если вы не хотите _0:

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

Выход:

             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

форсирование определенного порядка и вставка NaN, если это необходимо

Предполагая этот ввод:

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

Вы можете принудительно переиндексировать с помощью словаря и переиндексировать, прежде чем применять описанный выше метод:

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 ""}')

Выход:

             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

Вы можете использовать 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)

Выход:

>>> 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

Обновлять

Что делать, если числа 6005 нет, в этом случае он установит числовую строку 6004 в 3-м и 4-м столбцах, но я хочу, чтобы это были 5-й и 6-й столбцы, а 3-й - 4-й столбцы были пустыми?

Вы можете жестко закодировать преобразование:

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

Чтобы внедрить эту строку в базу данных, вы можете попытаться преобразовать NaT/NaN в None с помощью:

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