以下是一个示例代码，用于比较二维数组的每个集合以确定最大距离：

import numpy as np

def find_max_distance(arr):
    max_distance = 0
    for i in range(len(arr)):
        for j in range(i+1, len(arr)):
            distance = np.linalg.norm(arr[i]-arr[j])
            if distance > max_distance:
                max_distance = distance
    return max_distance

# 示例输入二维数组
arr = np.array([[1, 2], [3, 4], [5, 6]])
max_distance = find_max_distance(arr)
print("最大距离为：", max_distance)

这个示例代码使用了numpy库的linalg.norm函数来计算两个集合之间的欧几里德距离。它通过遍历所有可能的集合对，并在每对集合之间计算距离时更新最大距离。最后返回最大距离。

请注意，这个示例代码假设输入的二维数组是一个包含多个集合的列表，每个集合都是一个二维数组。你可以根据实际情况进行修改。