如何按条件合并两个DataFrame，用df1的duration填充df2空usageTime

问题根因 #

你之前两次操作失败的核心原因是两个DataFrame的索引名、列名没有对齐：

• 使用fillna时，pandas只会填充同列名、同索引位置的空值，你用到的df2列名为usageTime、df1列名为duration，列名不匹配自然无法完成空值填充。
• 使用combine_first时，你仅修改了df1的列名，未同步修改df2的列名，导致df2的usageTime和df1的totalUsage被识别为两个独立字段，最终同时保留在结果中，不符合预期。

可行方案 #

提供三种可直接落地的实现方式：

方案1：fillna实现（最简洁） #

先统一两个DataFrame的索引名和待填充列名，直接用fillna完成空值替换：

# 统一索引名、列名后填充空值
df3 = df2.rename_axis('device')\
         .rename(columns={'usageTime': 'totalUsage'})\
         .fillna(df1.rename(columns={'duration': 'totalUsage'}))

方案2：combine_first实现 #

对齐索引和列名后，基于combine_first的优先级规则（调用方非空值优先，参数内数据填充空值）实现：

df3 = df2.rename_axis('device')\
         .rename(columns={'usageTime': 'totalUsage'})\
         .combine_first(df1.rename(columns={'duration': 'totalUsage'}))

方案3：join+np.where实现（逻辑最直观） #

先合并两个表的字段，再通过条件判断生成目标字段，方便后续调整取值规则：

import numpy as np
# 按索引关联两个表
df_temp = df1.join(df2.rename_axis('device'), how='left')
# 按条件生成totalUsage字段
df3 = pd.DataFrame(
    {'totalUsage': np.where(df_temp['usageTime'].isna(), df_temp['duration'], df_temp['usageTime'])},
    index=df_temp.index
)

运行验证 #

三种方案运行后输出结果完全符合预期：

totalUsage
device
1110100         87.6
1110101         94.3
1110102         52.6
1110103         14.4

内容的提问来源于stack exchange，提问作者Hayrettin Basaraner