如何用Pandas透视DataFrame并从另一DataFrame补全缺失的disconn时间？

现有两个Pandas DataFrame：

table1

table2

需求：当某id在table1中缺少disconn状态的时间值时，从table2中获取对应值，最终得到如下目标结果：

可以通过Pandas的透视表+合并填充的方式快速实现，以下是具体步骤：

步骤1：透视table1生成宽表 #

先将table1转换为宽表结构，让每个id对应一行，conn和disconn作为列存储对应时间：

import pandas as pd

# 构造示例数据（如果已有DataFrame可跳过此部分）
table1 = pd.DataFrame({
    'id': [1,1,2,2,3],
    'time': ['10:00','10:01','10:02','10:03','10:04'],
    'status': ['conn','disconn','conn','disconn','conn']
})

table2 = pd.DataFrame({
    'id': [3],
    'time': ['10:05']
})

# 透视转换
pivot_df = table1.pivot(index='id', columns='status', values='time').reset_index()
# 清理列名层级
pivot_df.columns.name = None

此时pivot_df的结果为：

步骤2：合并table2并填充缺失值 #

将table2与透视后的表合并，用table2的time值填充disconn列的缺失项：

# 合并两个表
merged_df = pd.merge(pivot_df, table2, on='id', how='left')
# 填充disconn的缺失值
merged_df['disconn'] = merged_df['disconn'].fillna(merged_df['time_y'])
# 筛选目标列得到最终结果
final_result = merged_df[['id', 'conn', 'disconn']]

简化版代码 #

如果追求简洁，可以将步骤合并为链式调用：

final_result = (table1.pivot(index='id', columns='status', values='time')
               .reset_index()
               .merge(table2, on='id', how='left')
               .assign(disconn=lambda df: df['disconn'].fillna(df['time']))
               .drop(columns=['time'])
               .rename_axis(None, axis=1))

最终输出 #

运行代码后，final_result即为目标DataFrame：

内容的提问来源于stack exchange，提问作者harp1814