Python 如何在pandas中基于groupby进行过滤逻辑

假设我有一个df，看起来像这样：

df=pd.DataFrame（{'Data1'：['A'，'A'，'A'，'A'，'B'，'B']，
'数据2'：[100100200101100100]，
“状态”：[“开”、“开”、“关”、“关”、“开”、“关”]，
“计数”：[2,2,1,1,1,1,1]，
‘总计’：[25,25,25,150,150]}）

如何添加条件并过滤掉传递的数据

对于Data1和Data2的每个唯一组合，检查有多少个“打开”状态，以及每个唯一组合的“打开”状态量是否小于某些阈值

条件：

• 如果总数>0，我需要至少1个“打开”

• 如果总数>100，我需要至少2个“打开”

所以我的结果应该是这样的：

    +-------+-------+-------+--------+-------+
    | Data1 | Data2 | State | Count  | Total |
    +-------+-------+-------+--------+-------+
    | A     |   200 | Off   |      1 |    25 |
    | A     |   101 | Off   |      1 |    25 |
    | B     |   100 | On    |      1 |   150 |
    | B     |   100 | Off   |      1 |   150 |
    +-------+-------+-------+--------+-------+

注意事项：

• “计数”列已经计算了有多少“开”或“关”用于 数据1和数据2的每个唯一组合
• 每个唯一数据的总计相同1

我觉得这可以由一些小组通过过滤来完成？我只是不知道该怎么做。提前谢谢你的帮助

    +-------+-------+-------+--------+-------+
    | Data1 | Data2 | State | Count  | Total |
    +-------+-------+-------+--------+-------+
    | A     |   200 | Off   |      1 |    25 |
    | A     |   101 | Off   |      1 |    25 |
    | B     |   100 | On    |      1 |   150 |
    | B     |   100 | Off   |      1 |   150 |
    +-------+-------+-------+--------+-------+