在数据分析领域中，常常需要对两列数据进行比对，找出其中相同的部分。同样，在写作领域中，我们也可以采用类似的方法，通过比对不同来源的文章，找出它们之间的相似之处。

首先，我们需要将不同来源的文章转换为可比较的数据形式。这可以通过将文章中的文字转换为数字或者字符编码来完成。例如，我们可以将文章中每个单词的出现次数作为一个数据点，或者将文章中每个段落的长度作为一个数据点。

接着，我们可以使用数据分析工具，如Python中的pandas库，来比对这些数据点。具体来说，我们可以将两个文章的数据点合并到同一个数据表中，然后使用pandas的merge函数将它们按照相同的数据点进行合并。在合并后的数据表中，我们可以通过筛选出相同的数据点来找出这两篇文章之间的相似之处。

例如，假设我们有两篇文章A和B，它们分别由一个数据表a和b表示。我们可以使用以下代码来找出它们之间相同的单词：

```python

import pandas as pd

# 定义文章A和B的数据表

a = pd.DataFrame({'word': ['hello', 'world', 'python', 'data', 'analysis'],

'count': [2, 1, 3, 2, 1]})

b = pd.DataFrame({'word': ['world', 'python', 'code', 'data', 'science'],

'count': [1, 2, 1, 3, 2]})

# 合并两个数据表

merged = pd.merge(a, b, on='word')

# 筛选出相同的单词

same_words = merged['word']

print(same_words)

```

运行以上代码，输出结果为：

```

0 world

1 python

3 data

```

这说明文章A和B之间存在着三个相同的单词，分别是world、python和data。

最后，我们可以根据这些相同之处，对这两篇文章进行比较和分析。例如，我们可以发现这两篇文章都涉及到了数据分析和Python编程，说明它们可能属于同一个主题或者领域。我们可以进一步探索这些相同之处，以便更好地理解这些文章的内容和意义。