python中求一个数组里面所有点到另一个点的距离，并存放在一个数组中

在Python中，如果你有一个二维数组（通常是列表嵌套列表），代表的是平面坐标系中的点，你可以使用numpy库来计算每个点之间的欧氏距离。首先，假设你有两点的坐标分别存储在两个列表`points1`和`points2`，每对点由一对坐标构成。以下是一个简单的例子：

import numpy as np

def calculate_distances(points1, points2):
    # 将列表转换为numpy数组
    point_arrays = [np.array(point) for point in points1]
    
    # 创建一个全零矩阵用于存放结果
    distances = np.zeros((len(points1), len(points2)))
    
    for i, p1 in enumerate(point_arrays):
        for j, p2 in enumerate(points2):
            # 计算欧氏距离并保存到对应位置
            distances[i, j] = np.linalg.norm(p1 - p2)
    
    return distances

# 示例：
points1 = [[0, 0], [1, 1], [2, 2]]
points2 = [[5, 5], [6, 6], [7, 7]]

distances_array = calculate_distances(points1, points2)
print(distances_array)

这将返回一个矩阵，其中每个元素表示对应两组坐标间的距离。