如何在python中遍历数组列表，并基于互信息计算合并对

我目前有一个数组列表，表示来自不同样本的细胞计数，每个数组表示不同的分组。我将其结构化为networkx图（出于其他目的），其中节点名称是分组，节点属性是单元计数

最后，我希望能够做到以下几点：

计算所有可能的阵列/节点配对的互信息（MI）

对这些配对进行排序，并找到同样高于给定阈值的最大MI值

通过求和值并在删除原始节点的同时创建新节点来合并对的计数

从步骤1开始重复，此时由于两个节点已合并，因此少了一个节点，直到不再有高于阈值的MI

现在我可以起床直到第三步，但我不知道如何有效地重复这个过程

以下是我到目前为止的情况：

def optimize_MI(G, binsize, threshold):
    ''' 
    1. sort edges with highest MI
    2. merge nodes with highest MI if MI>threshold
    3. Create new node, delete original two
    4. Repeat
    '''
    #find children with no predecessors (backwards)
    finest = []
    for node in G.nodes():
        if len(G.predecessors(node)) == 0:
            finest.append(node)
    #calculate MI for all pairs and sort
    edges = []
    for x in finest:
        for y in finest:
            if G.successors(x) == G.successors(y):
                mi = calc_MI(G.node[x]['count'], G.node[y]['count'], binsize)                
                edge = (x, y, {'MI': mi})
                edges.append(edge)
    edges_sorted = sorted(edges, key=lambda score: score[2]['MI'])
    #make new node
    pair = edges_sorted[-1]    
    if pair[2]['MI'] > threshold:
        count = G.node[pair[0]] + G.node[pair[1]])
        node_name = pair[0] + ' + ' + pair[1]
        G.add_node(node_name, counts=count)
        G.remove_nodes_from([pair[0], pair[1]])
        G.add_edge(node_name, G.successors(pair[0]))

谢谢你的建议