示例应用场景
假设我们有一些元素，需要经常查询它们是否在同一个组内或者需要将两个组合并。这种场景在很多问题中都会出现，例如：
社交网络中的好友关系分析。
图中的连通分量（Connected Components）判断。
最小生成树算法，如Kruskal算法。

核心操作
初始化（MakeSet）：开始时，每个元素自成一组，即每个元素都是自己集合的代表。
查找（Find）：找到元素所在集合的代表元素，这可以通过递归查找父节点直到找到根节点实现。
合并（Union）：将两个元素所在的集合合并为一个集合，通常是将一个集合的根节点指向另一个集合的根节点。
通过这些操作，我们可以有效地解决很多与集合、分组和连通性相关的问题。

(1)朴素并查集：
int p[N]; //存储每个点的祖宗节点
// 返回x的祖宗节点
int find(int x)
{
if (p[x] != x) p[x] = find(p[x]);
return p[x];
}
// 初始化，假定节点编号是1~n
for (int i = 1; i <= n; i ++ ) p[i] = i;
// 合并a和b所在的两个集合：
p[find(a)] = find(b);
(2)维护size的并查集：
int p[N], size[N];
//p[]存储每个点的祖宗节点, size[]只有祖宗节点的有意义，表示祖宗节点所在集合中的点的数量
// 返回x的祖宗节点
int find(int x)
{
if (p[x] != x) p[x] = find(p[x]);
return p[x];
}
// 初始化，假定节点编号是1~n
for (int i = 1; i <= n; i ++ )
{
p[i] = i;
size[i] = 1;
}
// 合并a和b所在的两个集合：
size[find(b)] += size[find(a)];
p[find(a)] = find(b);
(3)维护到祖宗节点距离的并查集：
int p[N], d[N];
//p[]存储每个点的祖宗节点, d[x]存储x到p[x]的距离
// 返回x的祖宗节点
int find(int x)
{
if (p[x] != x)
{
int u = find(p[x]);
d[x] += d[p[x]];
p[x] = u;
}
return p[x];
}
// 初始化，假定节点编号是1~n
for (int i = 1; i <= n; i ++ )
{
p[i] = i;
d[i] = 0;
}
// 合并a和b所在的两个集合：
p[find(a)] = find(b);
d[find(a)] = distance; // 根据具体问题，初始化find(a)的偏移量