temp

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

# генерируем новые признаки для модели
# Полная мощность = √ (Активная мощность2 + Реактивная мощность2)
df_arc['Полная мощность'] = ((df_arc['Активная мощность']**2) + (df_arc['Реактивная мощность'])**2)**0.5
# Коэффицент мощности = Активная мощность / Полная мощность
df_arc['Коэффицент мощности'] = df_arc['Активная мощность'] / df_arc['Полная мощность']
df_arc.head(10)

# df_arc.iloc[:, 1:2] = df_arc.iloc[:, 1:2].apply(pd.to_datetime)
time_heating = (pd.to_datetime(df_arc['Конец нагрева дугой']) - \
                pd.to_datetime(df_arc['Начало нагрева дугой'])).dt.total_seconds()
df_arc.insert(3, 'Время нагрева дуги', time_heating)

df_arc = df_arc.drop(['Начало нагрева дугой', 'Конец нагрева дугой'], axis=1) # избавляемся от колонок, которые нам
                                                                              # не понадобятся

df_arc_ = df_arc.groupby(['key']).agg({'Время нагрева дуги':'sum',
                                       'Активная мощность':'sum',
                                      'Реактивная мощность':'sum',
                                      'Полная мощность':'sum',
                                      'Коэффицент мощности':'mean'})
df_arc_ = df_arc_.reset_index()

df_temp['Время замера'] = pd.to_datetime(df_temp['Время замера'], format = '%Y-%m-%dT%H:%M:%S') # переводим в нужный формат, чтобы создать сводную таблицу
df_temp_last = df_temp.groupby(['key']).agg('max')['Время замера'] # с последней температурой
df_temp_last = pd.DataFrame(df_temp_last)
df_temp_last = df_temp_last.merge(df_temp, on='Время замера', how='left')
df_temp_last.set_axis(['Time_last','key','Temp_last'], axis = 'columns', inplace = True)

df_temp_first = df_temp.groupby('key').agg('min')['Время замера'] # сводную таблицу с первой температурой
df_temp_first = pd.DataFrame(df_temp_first)
df_temp_first = df_temp_first.merge(df_temp, on='Время замера', how='left')
df_temp_first.set_axis(['Time_first','key','Temp_first'], axis = 'columns', inplace = True)

df_temp_ = df_temp_first.merge(df_temp_last, on='key', how='left')\
                  .reindex(columns=['key', 'Time_first', 'Temp_first', 'Time_last', 'Temp_last']) # объединяем таблицы

df_temp_.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