我想找出包含 x 和 y 坐标的大数据集 D 的聚合欧几里德距离，其中数据集分为 N 个子数据集，其中第一个子数据集包含 D 的 1 到第 k 个坐标，第二个子数据集包含第 k 个+1 到第 l 个坐标直到 n。
在以下论文的名为“II. COMBINING EUCLIDEAN DISTANCES”的部分中，它显示了一个公式：http://rduin.nl/papers/cip_10_euclcomb.pdf
如果数据集 A、B、C 各包含 15 个 (x,y) 点，则 sklearn.euclidean 距离为每个数据集提供 15x15 矩阵，而如果聚合数据集 D 将有 45 个 (x,y) 点，则结果为 45x45 矩阵当调用 sklearn.metrics.pairwise.euclidean_distances 方法时。
如何从 A、B、C 的这三个单独的 15x15 距离矩阵中正确生成 45x45 距离矩阵？