求距离是数学中的基础问题，计算机科学中也经常需要求解这一问题。在Python中，求距离的方法很多，其中最常用的方法是欧氏距离公式。

def euclidean_distance(x, y):
    """
    计算两个点之间的欧氏距离
    :param x: 第一个点的坐标，例如 (1, 2)
    :param y: 第二个点的坐标，例如 (3, 4)
    :return: 距离
    """
    return ((x[0] - y[0]) ** 2 + (x[1] - y[1]) ** 2) ** 0.5

# 测试
print(euclidean_distance((1, 2), (3, 4)))  # 输出 2.8284271247461903

在上面的代码中，我们定义了一个函数 euclidean_distance(x, y)，该函数接受两个参数 x 和 y，其中每个参数是一个包含两个元素的元组，表示两个点的 x 和 y 坐标。函数返回两个点之间的欧氏距离。

函数的实现非常简单，就是根据公式 $d = \sqrt{(x_2-x_1)^2+(y_2-y_1)^2}$ 计算两个点之间的距离。这里使用了 Python 中的幂运算符 ** 和开方函数 sqrt()。

除了欧氏距离公式，还有其他一些求解距离的方法，例如曼哈顿距离公式、切比雪夫距离公式等等。根据具体的场景和需求，选择合适的距离公式是很重要的。