在kNN算法中，要比较多个数组，可以使用以下步骤：

1. 导入所需的库和模块：

import numpy as np
from sklearn.neighbors import NearestNeighbors

2. 创建多个数组：

array1 = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
array2 = np.array([[10, 11, 12], [13, 14, 15], [16, 17, 18]])
array3 = np.array([[19, 20, 21], [22, 23, 24], [25, 26, 27]])

3. 将多个数组合并成一个大数组：

combined_array = np.concatenate((array1, array2, array3))

4. 创建kNN模型并训练：

k = 3
knn = NearestNeighbors(n_neighbors=k)
knn.fit(combined_array)

5. 定义一个要比较的新数组：

new_array = np.array([[2, 3, 4], [11, 12, 13], [22, 23, 24]])

6. 使用kNN模型来找到新数组的k个最近邻：

distances, indices = knn.kneighbors(new_array)

7. 输出结果：

print("Distances:", distances)
print("Indices:", indices)

完整的代码示例如下：

import numpy as np
from sklearn.neighbors import NearestNeighbors

# 创建多个数组
array1 = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
array2 = np.array([[10, 11, 12], [13, 14, 15], [16, 17, 18]])
array3 = np.array([[19, 20, 21], [22, 23, 24], [25, 26, 27]])

# 合并数组
combined_array = np.concatenate((array1, array2, array3))

# 创建kNN模型并训练
k = 3
knn = NearestNeighbors(n_neighbors=k)
knn.fit(combined_array)

# 定义要比较的新数组
new_array = np.array([[2, 3, 4], [11, 12, 13], [22, 23, 24]])

# 使用kNN模型找到新数组的k个最近邻
distances, indices = knn.kneighbors(new_array)

# 输出结果
print("Distances:", distances)
print("Indices:", indices)

这样，就可以比较多个数组在kNN中了。