你可以pivot，然后fillna与map：

out = (table1.pivot(index='id', columns='status', values='time')
             .reset_index().rename_axis(columns=None)
      )

out['disconn'] = out['disconn'].fillna(out['id'].map(table2.set_index('id')['time']))

字符串
第二步的变体：

m = out['disconn'].isna()
out.loc[m, 'disconn'] = out.loc[m, 'id'].map(table2.set_index('id')['time'])

型
输出量：

id   conn disconn
0   1  10:00   10:01
1   2  10:02   10:03
2   3  10:04   10:05

型
如果您有重复的ID/状态：

out = (table1.assign(n=lambda d: d.groupby(['id', 'status']).cumcount())
             .pivot(index=['id', 'n'], columns='status', values='time')
             .reset_index().rename_axis(columns=None)
      )

型