不知道“首选”的方式是什么，但gensim期望的格式很容易复制：

data = pd.DataFrame([[0.15941701, 0.84058299],
                     [0.12190033, 0.87809967],
                     [0.06293788, 0.93706212]],
                    index=["these", "be", "words"])

np.savetxt('test.txt', data.reset_index().values, 
           delimiter=" ", 
           header="{} {}".format(len(data), len(data.columns)),
           comments="",
           fmt=["%s"] + ["%.18e"]*len(data.columns))

头部是2个空格分隔的整数，词汇表中的单词数量和单词向量的长度。每行的第一列是单词本身。其余列是单词向量的元素。fmt的奇怪之处在于将第一个元素格式化为字符串，其余的格式化为浮点数。
然后可以在gensim中加载这个并做任何事情：

import gensim

from gensim.models.keyedvectors import KeyedVectors
word_vectors = KeyedVectors.load_word2vec_format('test.txt', binary=False)

word_vectors.similarity('these', 'words')

对于其他人在这里寻找一个相对快速的答案，Ken Syme的答案几乎对我有用，我只需要将fmt=["%s"] + ["%.18e"]*len(data.columns)更改为fmt="%s"。
还要注意，OP的df已经有单词作为索引，所以如果你自己的df有自动生成的数字作为索引，单词作为第一个数据列“单词”，你需要在这里给出的reset_index().values之前做一个额外的步骤，比如df.set_index('words')。