要比较两个NumPy 2D数组的相似性，可以使用一些常见的相似性度量方法，如欧氏距离、曼哈顿距离、余弦相似度等。下面是一个使用欧氏距离来比较两个NumPy 2D数组相似性的示例代码：

import numpy as np

# 生成两个随机的2D数组
array1 = np.random.rand(5, 5)
array2 = np.random.rand(5, 5)

# 计算欧氏距离
euclidean_distance = np.linalg.norm(array1 - array2)

print("欧氏距离:", euclidean_distance)

这段代码首先使用np.random.rand()函数生成了两个形状为(5, 5)的随机2D数组array1和array2。然后，使用np.linalg.norm()函数计算了两个数组的欧氏距离，并将结果保存在euclidean_distance变量中。最后，打印输出了欧氏距离。

你也可以使用其他相似性度量方法，只需将相应的函数应用在两个数组之间即可。例如，如果你想使用曼哈顿距离，可以将代码修改为：

manhattan_distance = np.sum(np.abs(array1 - array2))

print("曼哈顿距离:", manhattan_distance)

如果你想使用余弦相似度，可以使用scipy.spatial.distance.cosine()函数：

from scipy.spatial.distance import cosine

cosine_similarity = 1 - cosine(array1.flatten(), array2.flatten())

print("余弦相似度:", cosine_similarity)

以上是几个常见的相似性度量方法的示例代码，你可以根据自己的需求选择合适的方法进行比较。