在列表推导式中将行附加到 Pandas 数据帧，而不会丢失先前的附加

如何解决在列表推导式中将行附加到 Pandas 数据帧，而不会丢失先前的附加

如何在列表理解中填充 Pandas 数据框？

我有多个相互调用的函数，在列表理解中，我想将行附加到 Pandas 数据框中，但是，行没有保存。如何解决这个问题？

import pandas as pd
import numpy as  np

main_df = pd.DataFrame(columns=['a','b','c','d'])
main_df=main_df.append({'a':'a1','b':'b1','c':'c1','d':'d1'},ignore_index=True)
main_df=main_df.append({'a':'a2','b':'b2','c':'c2','d':'d2'},ignore_index=True)
main_df=main_df.append({'a':'a3','b':'b3','c':'c3','d':'d3'},ignore_index=True)
main_df=main_df.append({'a':'a4','b':'b4','c':'c4','d':'d4'},ignore_index=True)
print(main_df)


def func1():
    sub_df = pd.DataFrame()
    return func2(sub_df)

def func2(sub_df):
    return func3(sub_df)

def func3(sub_df):
    df_columns = main_df.columns.values
    [search_using_list_comprehension(row,sub_df,df_columns) for row in main_df.values]
    return sub_df

def search_using_list_comprehension(row,df_columns):
    if row[0]=='a1' or row[0]=='a2':
        my_dict= {a:b for a,b in zip(df_columns,row)}
        sub_df = sub_df.append(my_dict,ignore_index=True)
        print('sub_df.shape: ',sub_df.shape)

df=func1()

print('####################')
print(df)
print(df.shape)