在 Python 类中多次调用同一迭代方法（如 Jacobi_iteration()）会导致循环计数器被重复初始化，从而返回错误的迭代次数；根本原因在于方法被调用了两次，而非循环逻辑本身出错。
在 python 类中多次调用同一迭代方法（如 `jacobi_iteration()`）会导致循环计数器被重复初始化，从而返回错误的迭代次数；根本原因在于方法被调用了两次，而非循环逻辑本身出错。
你在调试 diag_iterator 类时观察到 Jacobi_iteration() 返回的 itr 值异常（例如从 20 突然变为 0 或 1），这并非 while 循环内部计数逻辑失效，而是方法被意外重复调用所致。
关键问题出现在这段测试代码中：
print('(a) Jacobi solution:', p_15.Jacobi_iteration()[0], '\n iteration count:', p_15.Jacobi_iteration()[1])
此处 p_15.Jacobi_iteration() 被调用了两次：一次取 [0]（解向量），一次取 [1]（迭代次数）。每次调用都会重新执行整个 while 循环，并重置 itr = list([]) —— 因此第二次调用从空列表开始计数，最终 len(itr) 极可能为 1（例如首次迭代即满足收敛条件），造成“计数跳变”的假象。
✅ 正确做法是：只调用一次方法，解构返回值复用结果：
result = p_15.Jacobi_iteration()
solution, iterations = result[0], result[1] # 或直接解包：solution, iterations = p_15.Jacobi_iteration()
print('(a) Jacobi solution:', solution, '\n iteration count:', iterations)
更推荐使用元组解包提升可读性：
solution, iters = p_15.Jacobi_iteration()
print('(a) Jacobi solution:', solution, '\n iteration count:', iters)
⚠️ 注意事项：
- Jacobi_iteration() 和 gssSeidel_iteration() 均为有状态、无缓存的纯计算方法：每次调用都从初始解 self.ini 重新开始迭代，不共享中间状态；
- 若需多次访问结果（如同时打印解、迭代次数、收敛误差等），务必避免重复调用；
- 可进一步优化：将 acc_test 方法中的 math.log10(2) 提前计算为常量，避免循环内重复调用；scarborough 中对零值的保护建议改用 np.finfo(float).tiny 替代硬编码 0.00001，增强数值鲁棒性；
- copy.deepcopy 在密集迭代中开销较大，若 curr_sol/next_sol 仅为 NumPy 数组，优先使用 .copy() 或 np.copy() 替代。
总结：while 计数异常往往不是循环本身的问题，而是方法调用方式引发的逻辑误判。养成“一次调用、多次使用”的习惯，既是性能优化，更是避免隐蔽 Bug 的关键实践。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
