提供一段python代码：构建一个无向加权符号网络（节点、连边、权重信息由excel文件输入），每个节点的初始值为0，权重大小的绝对值小于1，当一个节点增大或减小1时，它的邻居节点有连边权重绝对值大小的概率增大或减小1（如果连边为正则增大，连边为负则减小），一个节点有可能被多个邻居同时影响，再接着影响下一个邻居节点直至所有节点发生变化。迭代整个程序100次最后按节点发生变化的先后顺序输出节点的增减情况

以下是构建无向加权符号网络的 Python 代码，包括节点、连边和权重信息从 Excel 文件中读取，并实现了迭代 100 次，输出节点的增减情况：

import pandas as pd
import random

# 从 Excel 文件中读取节点、连边和权重信息
df_nodes = pd.read_excel("network.xlsx", sheet_name="Nodes")
df_edges = pd.read_excel("network.xlsx", sheet_name="Edges")
df_weights = pd.read_excel("network.xlsx", sheet_name="Weights")

# 构建邻接矩阵和权重矩阵
n = len(df_nodes)
adj_matrix = [[0]*n for i in range(n)]
weight_matrix = [[0]*n for i in range(n)]
node_dict = {node: i for i, node in enumerate(df_nodes["Node"])}

for i, row in df_edges.iterrows():
    source = node_dict[row["Source"]]
    target = node_dict[row["Target"]]
    weight = df_weights.iloc[source, target]
    adj_matrix[source][target] = 1
    adj_matrix[target][source] = 1
    weight_matrix[source][target] = weight
    weight_matrix[target][source] = weight

# 初始化节点值和节点增减情况记录
node_values = [0] * n
node_changes = [0] * n

# 迭代整个程序 100 次
for iteration in range(100):
    # 记录本次迭代中节点的增减情况
    iteration_changes = []
    
    # 对每个节点进行计算
    for i in range(n):
        # 计算该节点的增减值
        delta = 0
        neighbors = [j for j, adj in enumerate(adj_matrix[i]) if adj == 1]
        for j in neighbors:
            weight = weight_matrix[i][j]
            sign = 1 if weight > 0 else -1
            probability = abs(weight)
            if random.random() < probability:
                delta += sign * node_changes[j]
        
        # 更新节点的值和增减情况记录
        node_values[i] += delta
        if delta != 0:
            node_changes[i] = delta
            iteration_changes.append((df_nodes["Node"][i], delta))
        else:
            node_changes[i] = 0
    
    # 输出本次迭代节点的增减情况
    iteration_changes.sort(key=lambda x: node_dict[x[0]])
    print(f"Iteration {iteration+1}:")
    for node, delta in iteration_changes:
        print(f"{node}: {delta}")