在 Python 类方法中重复调用同一迭代函数（如 Jacobi_iteration()）会导致计数器被重置或结果不一致，根本原因在于每次调用都重新执行完整迭代过程，而非复用已有结果。
在 python 类方法中重复调用同一迭代函数（如 `jacobi_iteration()`）会导致计数器被重置或结果不一致，根本原因在于每次调用都重新执行完整迭代过程，而非复用已有结果。
在数值计算（如线性方程组的 Jacobi 迭代法）中，准确记录迭代次数至关重要。然而，许多初学者会无意中写出类似以下的错误调用：
print('(a) Jacobi solution:', p_15.Jacobi_iteration()[0],
'\n iteration count:', p_15.Jacobi_iteration()[1])
这段代码看似简洁，实则存在严重逻辑缺陷：p_15.Jacobi_iteration() 被调用了两次——第一次取 [0]（解向量），第二次取 [1]（迭代次数）。由于 Jacobi_iteration() 是一个有状态、非幂等的方法（内部维护独立的 itr 列表并重置初始解），两次调用相互隔离，彼此不共享中间状态。因此：
- 第一次调用完成全部迭代并返回 (solution_A, count_A)；
- 第二次调用重新初始化 curr_sol、next_sol 和 itr = []，从头开始迭代，可能因收敛条件、浮点误差或初始值微小差异，导致迭代次数不同（例如你观察到的 itr=1）；
- 更糟的是，若算法本身依赖随机性、全局变量或外部状态，结果将完全不可复现。
✅ 正确做法：只调用一次，解构返回值：
Claw Code Suite (Python-Only Edition)
下载
仅使用 Python 将 Claw Code 虚拟化框架与 OpenClaw 集成，提供 184 种工具和 200 多条命令，用于安全分析和代码质量...
result = p_15.Jacobi_iteration()
solution, iteration_count = result[0], result[1] # 或直接解包
print('(a) Jacobi solution:', solution, '\n iteration count:', iteration_count)
更推荐使用结构化解包提升可读性：
solution, iters = p_15.Jacobi_iteration() # 一行完成调用 + 解构
print('(a) Jacobi solution:\n', solution.flatten())
print('iteration count:', iters)
⚠️ 注意事项：
- Jacobi_iteration() 中 acc_test=False 的初始赋值和 while acc_test==False 循环逻辑本身无语法错误，但需确保 self.acc_test() 方法严格确定性（避免隐式修改类状态、依赖未初始化变量或浮点比较陷阱）；
- self.scarborough() 中对 ini_sol==0 的判断应使用 math.isclose(ini_sol, 0.0) 替代 !=0，防止浮点精度问题；
- nthsol_update() 中 n-1 的索引偏移易引发 IndexError（当 i=0 时访问 n-1=-1），建议统一使用 0 基索引并修正为 self.nthsol_update(curr_sol, i) → self.nthsol_update(curr_sol, i)（原逻辑中 i 已是 0-based，无需 -1）；
- 避免在循环内频繁 copy.deepcopy()，大幅降低性能；对 NumPy 数组，优先使用 .copy() 或切片（如 curr_sol.copy()）。
总结：迭代计数异常通常不是 while 语句本身的问题，而是方法调用方式不当导致的状态重置。始终遵循“一次调用、多次使用”的原则，并通过变量缓存结果，是保障数值算法可复现性与调试可靠性的基石。
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！
