如何计算一个数据帧与另一个数据帧之间的距离？

import pandas as pd
import numpy as np

# 创建两个示例数据帧
df1 = pd.DataFrame({
    'A': [1, 2, 3],
    'B': [4, 5, 6]
})

df2 = pd.DataFrame({
    'A': [7, 8, 9],
    'B': [10, 11, 12]
})

# 计算欧氏距离
distances = np.sqrt(((df1 - df2) ** 2).sum(axis=1))
print(distances)

# 计算曼哈顿距离
distances = np.abs(df1 - df2).sum(axis=1)
print(distances)

# 计算余弦相似度
dot_product = np.dot(df1.values, df2.values.T)
norm_df1 = np.linalg.norm(df1.values, axis=1)
norm_df2 = np.linalg.norm(df2.values, axis=1)
cosine_similarities = dot_product / (np.outer(norm_df1, norm_df2))
print(cosine_similarities)

# 创建两个示例数据帧
df1 = pd.DataFrame({
    'A': [True, False, True],
    'B': [False, True, False]
})

df2 = pd.DataFrame({
    'A': [True, True, False],
    'B': [False, False, True]
})

# 计算 Jaccard 相似度
jaccard_similarities = (df1 == df2).sum(axis=1) / len(df1.columns)
print(jaccard_similarities)

# 处理缺失值
df1.fillna(0, inplace=True)
df2.fillna(0, inplace=True)

# 确保维度匹配
if df1.shape[0] != df2.shape[0]:
    raise ValueError("数据帧行数不匹配")