下面是一个示例代码，用于从两个不同的数据框中的2列进行部分匹配，并基于GPS坐标创建新的邮政编码列：

import pandas as pd
from geopy.distance import geodesic

# 创建示例数据框1
data1 = {'Latitude': [40.7128, 34.0522, 37.7749],
         'Longitude': [-74.0060, -118.2437, -122.4194],
         'Address': ['New York', 'Los Angeles', 'San Francisco']}
df1 = pd.DataFrame(data1)

# 创建示例数据框2
data2 = {'Postal Code': ['10001', '90001', '94101'],
         'Latitude': [40.7128, 34.0522, 37.7749],
         'Longitude': [-74.0060, -118.2437, -122.4194]}
df2 = pd.DataFrame(data2)

# 创建新的邮政编码列
df1['Postal Code'] = ''

# 遍历df1中的每一行
for i, row1 in df1.iterrows():
    lat1 = row1['Latitude']
    lon1 = row1['Longitude']
    min_dist = float('inf')
    postal_code = ''
    
    # 遍历df2中的每一行
    for j, row2 in df2.iterrows():
        lat2 = row2['Latitude']
        lon2 = row2['Longitude']
        
        # 使用geodesic计算两个坐标之间的距离
        dist = geodesic((lat1, lon1), (lat2, lon2)).miles
        
        # 更新最小距离和邮政编码
        if dist < min_dist:
            min_dist = dist
            postal_code = row2['Postal Code']
    
    # 将找到的最近的邮政编码赋值给df1
    df1.at[i, 'Postal Code'] = postal_code

print(df1)

这段代码首先创建了两个示例数据框df1和df2，其中df1包含Latitude和Longitude两列，df2包含Postal Code、Latitude和Longitude三列。

然后，代码通过遍历df1中的每一行，使用geodesic函数计算当前行的坐标与df2中所有行的坐标之间的距离，并找到最近的邮政编码。最后，将找到的最近的邮政编码赋值给df1的Postal Code列。

运行上述代码后，将得到一个新的数据框df1，其中包含了基于GPS坐标创建的新的邮政编码列。