在并查集中，边的顺序并不重要。不同的顺序可能会影响路径的压缩和树的深度，但不会影响最终的连通性。

以下是一个简单的并查集示例代码，用于将连通两个节点的操作：

class UnionFind:
    def __init__(self, n):
        self.parent = list(range(n))
    
    def find(self, x):
        if self.parent[x] != x:
            self.parent[x] = self.find(self.parent[x])
        return self.parent[x]
    
    def union(self, x, y):
        px, py = self.find(x), self.find(y)
        if px == py:
            return False
        self.parent[px] = py
        return True

该代码中的 parent 数组表示每个节点的父节点。在初始化时，parent 数组的所有值都是其本身节点，即每个节点都是一个单独的连通分量。find 方法用于查找一个节点 x 的根节点，如果 x 不是根节点，则 find 方法会将 x 的父节点更新为其根节点，以实现路径压缩。union 方法用于将两个节点 x 和 y 连接成一个连通分量。如果两个节点已经属于同一个连通分量，则 union 方法返回 False，否则将其中一个节点的根节点更新为另一个节点的根节点，以实现树的深度优化，并返回 True。

在这个示例中，无论 union 方法中边的顺序如何，最终的连通性是相同的。因此，在并查集中，边的顺序并不重要。