以下是一个按照欧氏距离对给定点进行排序的示例代码：

import math

def euclidean_distance(point1, point2):
    # 计算两点之间的欧氏距离
    distance = math.sqrt(sum([(x1 - x2) ** 2 for x1, x2 in zip(point1, point2)]))
    return distance

def sort_points(points, target):
    # 对给定点列表按照与目标点的欧氏距离进行排序
    distances = [(point, euclidean_distance(point, target)) for point in points]
    sorted_distances = sorted(distances, key=lambda x: x[1])
    sorted_points = [point for point, distance in sorted_distances]
    return sorted_points, [distance for point, distance in sorted_distances]

# 示例用法
points = [(1, 2), (3, 4), (5, 6), (7, 8)]
target = (4, 5)
sorted_points, distances = sort_points(points, target)
print(sorted_points)
print(distances)

运行上述代码，将会输出排序后的点列表和对应的距离列表：

[(3, 4), (5, 6), (1, 2), (7, 8)]
[1.4142135623730951, 2.8284271247461903, 4.242640687119285, 4.242640687119285]

在该示例中，我们定义了一个euclidean_distance函数来计算两个点之间的欧氏距离。然后，我们使用列表推导式和zip函数来计算给定点列表中每个点与目标点之间的欧氏距离，并将结果存储在distances列表中。

接下来，我们使用sorted函数和lambda函数作为关键字来对distances列表进行排序，以获取按照距离排序的点列表。最后，我们通过列表推导式将排序后的点列表和距离列表分别输出。

请注意，上述代码中的点坐标被表示为元组的形式，你可以根据具体需要进行修改。