如何用pandas进行双索引数据的统计，并且加入对其它列值的判断？

import pandas as pd
import numpy as np

dict = {
    '店名': ['1店', '2店', '1店', '3店', '1店', '2店', '3店', '3店', '2店', '2店', '1店', '3店'],
    '姓名': ['张三', '李四', '王五', '赵六', '张三', '李四', '赵六', '乔七', '李四', '李四', '王五', '乔七'],
    '销售额': [200, 150, 200, 300, np.nan, 300, 500, 100, 90, np.nan, 400, 200],
    '商品名':['泳裤','泳镜','泳帽','泳裤','泳镜','泳帽','泳裤','泳镜','泳帽','泳裤','泳镜','泳帽']
}

df = pd.DataFrame(dict)
print(df)

如何达到下面这个效果

df['>=200'] = np.where((df['销售额'] >= 200 and df['商品名'] == '泳裤'),1, 0)

直接用上面这个报错，如何破解？
ValueError: The truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all().

分三个数据，进行分组求和：第一个所有的分组聚合，第二个筛选大于200的数据聚合，第三个筛选大于300的聚合
然后三个mege就可以实现，（以第一个作为主，how=“left")

泳裤销售额大于两百的数量是啥啊，减法，销售额减200吗？

df['>=200'] = np.where((df['销售额'] >= 200 and df['商品名'] == '泳裤'),1, 0)

直接用上面这个报错，如何破解？
ValueError: The truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all().