本题还涉及到遍历并查集的操作，核心是p[x] == x

for x in p: # 遍历并查集
    if p[x] == x: # 如果该节点的父节点是它自己，那就说明该节点是集合的代表元素
        pass

1. 在读入时将边的信息存到edges列表中，以便之后遍历边进行集合的合并操作
2. 将一个集合中的信息都存到根节点中，因为根节点是集合的代表元素，遍历并查集时也好操作一点。开3个字典，nums，M_estate，area，其中nums表示该集合中点的数量，M_estate是其该集合所有成员房产数量之和，area是该集合所有成员的房产的总面积之和
3. 由于输出时题干要求ID 是家庭成员中编号最小的成员编号，所以合并集合时把编号较大的集合放到编号较小的集合下面去，这样可以保证每个集合的根节点（即这个集合的代表元素）编号是最小的

本题完整代码：

from collections import defaultdict

n = int(input())

# p用于并查集的父节点指向
# nums表示该集合中点的数量
# M_estate是其该集合所有成员房产数量之和
# area是该集合所有成员的房产的总面积之和

p = {}

nums = defaultdict(lambda: 1)
M_estate = defaultdict(lambda: 0)
area = defaultdict(lambda: 0)

# 初始化边列表，用于存储图中的边
edges = []

# 读取每个节点的信息
for _ in range(n):
    s = input().split()

    id = s[0]

    p[id] = id # 并查集初始化

    M_estate[id] = int(s[-2])
    area[id] = int(s[-1])

    for i in range(1, 3):
        if s[i] != "-1":
            p[s[i]] = s[i] # 并查集初始化
            edges.append([s[0], s[i]])

    k = int(s[3])
    for i in range(4, 4 + k):
        p[s[i]] = s[i] # 并查集初始化
        edges.append([s[0], s[i]])


# 定义并查集的find函数，用于查找节点的根节点
def find(x):
    if p[x] != x:
        p[x] = find(p[x])  # 路径压缩，直接连接到根节点
    return p[x]


# 遍历边列表，合并集合
for x, y in edges:
    pa = find(x)
    pb = find(y)
    if pa != pb:  # 如果两个节点不在同一个集合中
        if pa > pb:  # 确保pa是较小的编号，方便后续处理
            pa, pb = pb, pa
        # 合并集合，更新集合大小、特定值的总和等信息
        nums[pa] += nums[pb]
        M_estate[pa] += M_estate[pb]
        area[pa] += area[pb]
        p[pb] = pa  # 将pb的父节点指向pa

# 初始化家族列表，用于存储每个集合的信息
family = []
for x in p:
    if p[x] == x:  # 如果x是某个集合的根节点
        avg_sets = M_estate[x] / nums[x]
        avg_area = area[x] / nums[x]
        # 将集合信息添加到家族列表中
        family.append([x, nums[x], avg_sets, avg_area])

# 按人均房产面积降序，如果平均值相同，则按节点编号升序排序
family.sort(key=lambda x: (-x[3], x[0]))

# 输出家族数量
print(len(family))
# 输出每个家族的信息，包括家庭成员中编号最小的成员编号、家庭成员数、人均房产套数和人均房产面积
for i, j, k, x in family:
    print("{} {} {:.3f} {:.3f}".format(i, j, k, x))