下面是一个示例代码，用于比较矩阵中每行的元素并计算相似值。

import numpy as np

def compute_similarity(matrix):
    num_rows, num_cols = matrix.shape
    similarity_matrix = np.zeros((num_rows, num_rows))

    for i in range(num_rows):
        for j in range(num_rows):
            # 计算每一行的相似值
            similarity = np.sum(matrix[i] == matrix[j]) / num_cols
            similarity_matrix[i, j] = similarity

    return similarity_matrix

# 示例矩阵
matrix = np.array([[1, 2, 3],
                   [4, 5, 6],
                   [7, 8, 9]])

similarity_matrix = compute_similarity(matrix)
print(similarity_matrix)

输出：

[[1.         0.         0.        ]
 [0.         1.         0.        ]
 [0.         0.         1.        ]]

上述代码中，首先定义了一个名为compute_similarity的函数，该函数接受一个矩阵作为输入，并返回一个相似性矩阵。为了计算相似值，我们首先获取矩阵的行数和列数。然后，使用两个嵌套的循环来遍历每一行，并比较其与其他行的元素。比较操作使用NumPy的相等运算符==来实现。最后，计算相似值的方法是将相等的元素数量除以总的列数。

在示例代码中，我们使用一个3×3的矩阵作为输入，并打印了计算得到的相似性矩阵。输出结果显示，每一行与自身的相似值为1，与其他行的相似值为0，这是符合预期的结果。