1. 首先将所有数据点按照其所属的组别分类，可以使用字典或pandas的groupby函数来实现。
2. 对于每个组内的点，遍历所有其他组的点，计算距离并取最小值。
3. 对所有组内的点的最小距离取平均值作为此问题的解。

代码示例：

import numpy as np
from scipy.spatial.distance import cdist

# 构造示例数据, 假设有三个组别，每个组别有5个点
data = np.random.rand(15, 2)
group = np.repeat(range(3), 5)

# 将数据点按组别分类
groups = {i: data[group == i] for i in range(3)}

# 遍历每个组别内的点，计算到其他组别最近邻点的距离，并取最小值
min_dists = []
for i in range(3):
    d = []
    for j in range(3):
        if i == j:
            continue
        dist = cdist(groups[i], groups[j]).min(axis=1)
        d.append(dist)
    min_dists.append(np.concatenate(d).min())

# 对所有组别的最小距离取平均值
result = np.mean(min_dists)
print(result)