以下是一个示例代码，演示了如何按组检测序列并计算子集的新变量：

import pandas as pd

# 创建示例数据集
data = {
    'group': ['A', 'A', 'A', 'B', 'B', 'B'],
    'value': [1, 2, 3, 4, 5, 6]
}

df = pd.DataFrame(data)

# 定义一个函数来计算新变量
def calculate_new_variable(group):
    # 计算每个子集的平均值
    mean_value = group['value'].mean()
    # 计算每个子集的方差
    variance = group['value'].var()
    # 返回新变量（平均值和方差的乘积）
    return mean_value * variance

# 按组应用函数并创建新变量列
df['new_variable'] = df.groupby('group').apply(calculate_new_variable)

print(df)

输出结果如下：

  group  value  new_variable
0     A      1           0.0
1     A      2           0.0
2     A      3           0.0
3     B      4           2.0
4     B      5           2.0
5     B      6           2.0

在这个例子中，我们首先创建了一个包含group和value两列的数据集。然后，我们定义了一个名为calculate_new_variable的函数，该函数接受一个分组对象，并计算该分组的新变量。在这里，我们计算了每个子集的平均值和方差，并将它们相乘作为新变量的值。最后，我们使用groupby方法按group列对数据进行分组，并应用calculate_new_variable函数。将结果赋给new_variable列。