以下是一个可能的解决方案：

import pandas as pd

# read the .csv to a dataframe
df = pd.read_csv('your_file.csv')

# create a new df
new_df = pd.DataFrame([df.to_numpy().ravel()], columns=df.columns.to_list() * len(df))
print(new_df)

图纸：

a  b  a  b  a  b
0  1  2  3  4  5  6

要保存新的框架，请执行以下操作：

new_df.to_csv("out.csv", index=False)

这里有一个纯Python的可能解决方案（不需要像Pandas这样的大人物）：

with open('file.csv') as f:
    columns = f.readline().strip().split()
    rows = f.read().strip().split("\n")
    print(' '.join(len(rows) * columns))
    print(' '.join(r.strip() for r in rows))

如果文件是csv格式，即

a,b
1,2
3,4
....

可以使用以下方法

import csv

# Input and output file names
input_file = 'input.csv'
output_file = 'output.csv'

# Reading CSV file
with open(input_file, 'r') as input_file_csv:
    reader = csv.reader(input_file_csv)
    rows = list(reader)
    # [['a', 'b'], ['1', '2'], ['3', '4'], ['5', '6']]

row1 = [item for i in range(len(rows)-1) for item in rows[0]]
# ['a', 'b', 'a', 'b', 'a', 'b']

row2 = [item for i in range(1,len(rows)) for item in rows[i]]
# ['1', '2', '3', '4', '5', '6']

# Write to CSV file
with open(output_file, 'w', newline='') as output_file_csv:
    writer = csv.writer(output_file_csv)
    writer.writerow(row1)
    writer.writerow(row2)

使用Pandas，我们可以将其视为对隐含索引进行透视，这通常是我们使用unstack进行的，但在这种情况下，实际上更容易对列进行透视，即stack。

import pandas as pd

delimiter = ' '

df = pd.read_csv(filename, sep=delimiter)

# Unstack all rows to one row.
# Actually stacks columns, drops the original index, then turns back into a df.
result = df.stack().droplevel(0).to_frame().T

测试结果：

a  b  a  b  a  b
0  1  2  3  4  5  6

返回CSV：

result.to_csv(new_filename, index=False, sep=delimiter)

a b a b a b
1 2 3 4 5 6