牛顿迭代法是一种通过逼近函数零点的方法来求解方程的数值方法。在Python中，可以通过编写代码来实现牛顿迭代法，并输出每一步的计算结果。

首先，需要定义一个函数，该函数表示需要求解的方程。假设我们要求解的方程是x^3 + 2x^2 + 3x - 4 = 0，则可以定义一个函数如下：

```python

def f(x):

return x**3 + 2*x**2 + 3*x - 4

```

接下来，需要定义一个函数来计算牛顿迭代法的下一个近似解。牛顿迭代法的公式为：x1 = x0 - f(x0) / f'(x0)，其中x0为上一次的近似解，x1为当前的近似解，f(x)为需要求解的方程，f'(x)为f(x)的导数。

可以通过以下代码来实现牛顿迭代法的计算过程，并输出每一步的计算结果：

```python

def newton_raphson(x0, eps):

# 初始化变量

x1 = x0

fx0 = f(x0)

cnt = 0

# 迭代计算

while abs(fx0) > eps:

fx1 = (f(x1 + eps) - fx0) / eps

x1 = x0 - fx0 / fx1

fx0 = f(x1)

cnt += 1

# 输出每一步的计算结果

print('第%d次迭代，近似解为%.8f，函数值为%.8f' % (cnt, x1, fx0))

# 更新变量

x0 = x1

return x1

```

其中，x0为起始的近似解，eps为误差的精度要求。在每一次迭代中，需要计算f(x0)和f'(x0)，并根据牛顿迭代法的公式计算出下一个近似解x1。然后，需要更新变量，将x0更新为x1，并继续迭代计算，直到满足误差的要求。

最后，可以通过以下代码调用newton_raphson函数来求解方程，并输出每一步的计算结果：

```python

x0 = 1.0 # 起始的近似解

eps = 1e-6 # 误差的精度要求

result = newton_raphson(x0, eps) # 求解方程

print('方程的解为：%.8f' % result) # 输出方程的解

```

通过以上代码，可以在Python中实现牛顿迭代法，并输出每一步的计算结果，从而更好地了解牛顿迭代法的计算过程。