df_temp

df_arc = df_arc[df_arc['Реактивная мощность'] >= 0] # избавимся от аномалий в df_arc
# и в df_temp
df_temp = df_temp[df_temp['Температура'] >= 1500]

# преобразовываем в нужный формат
df_temp['Время замера'] = pd.to_datetime(df_temp['Время замера'], format='%Y-%m-%d %H:%M:%S')

# сводная таблица с последней температурой
df_temp_last = pd.pivot_table(df_temp, index='key', values=['Время замера', 'Температура'],
                              aggfunc={'Время замера' : 'max', 'Температура' : 'last'})
df_temp_last = df_temp_last.reset_index()
df_temp_last.set_axis(['key','time_last','temp_last'], axis = 'columns', inplace = True)

# сводная таблица с первой температурой
df_temp_first = pd.pivot_table(df_temp, index='key', values=['Время замера', 'Температура'],
                               aggfunc={'Время замера' : 'min', 'Температура' : 'first'})
df_temp_first = df_temp_first.reset_index()
df_temp_first.set_axis(['key', 'time_first','temp_first'], axis = 'columns', inplace = True)

# объединяем таблицы
df = df_temp_first.merge(df_temp_last, on='key', how='left')\
                  .reindex(columns=['key', 'time_first', 'temp_first', 'time_last', 'temp_last'])

df.info()

<class 'pandas.core.frame.DataFrame'>
Int64Index: 3215 entries, 0 to 3214
Data columns (total 5 columns):
 #   Column      Non-Null Count  Dtype
---  ------      --------------  -----
 0   key         3215 non-null   int64
 1   time_first  3215 non-null   datetime64[ns]
 2   temp_first  3215 non-null   float64
 3   time_last   3215 non-null   datetime64[ns]
 4   temp_last   3215 non-null   float64
dtypes: datetime64[ns](2), float64(2), int64(1)
memory usage: 150.7 KB