Day 12 · 类型注解

Week 2 · Day 12 / 56 · 返回大纲

一、为什么需要类型注解

Python 是动态类型语言,但加类型注解可以:

TypeScript
function greet(name: string, age: number): string {
  return `你好${name},${age}岁`;
}

const names: string[] = ["Alice"];
const scores: Record = {};
Python
def greet(name: str, age: int) -> str:
    return f"你好{name},{age}岁"

names: list[str] = ["Alice"]
scores: dict[str, int] = {}

二、基础注解

# 变量注解
name: str = "Alice"
age: int = 25
height: float = 1.75
active: bool = True

# 集合类型
names: list[str] = ["Alice", "Bob"]
ages: tuple[int, int] = (25, 30)
scores: dict[str, int] = {"Alice": 90}
tags: set[str] = {"python", "fastapi"}

# 函数注解
def add(a: int, b: int) -> int:
    return a + b

def process(items: list[str]) -> None:
    for item in items:
        print(item)

三、typing 模块

from typing import Optional, Union, Callable

# Optional: 可能是 None
def find_user(user_id: int) -> Optional[dict]:
    """找不到返回 None"""
    if user_id == 1:
        return {"id": 1, "name": "Alice"}
    return None

# Union: 多种类型之一
def parse(value: Union[str, int]) -> str:
    return str(value)

# Callable: 函数类型
def apply(func: Callable[[int], int], x: int) -> int:
    return func(x)

apply(lambda n: n * 2, 5)  # 10

四、dataclass

from dataclasses import dataclass

@dataclass
class Student:
    name: str
    age: int
    score: float = 0.0  # 默认值

# 自动生成 __init__、__repr__、__eq__
s = Student("Alice", 25)
print(s)  # Student(name='Alice', age=25, score=0.0)

# 对比手写类:
class Student:
    def __init__(self, name, age, score=0.0):
        self.name = name
        self.age = age
        self.score = score
    
    def __repr__(self):
        return f"Student(name={self.name!r}, ...)"

五、Pydantic 简介

后面 FastAPI 会大量使用 Pydantic,它是带数据验证的 dataclass。

from pydantic import BaseModel, field_validator

class UserCreate(BaseModel):
    name: str
    email: str
    age: int
    
    @field_validator("age")
    def age_must_be_positive(cls, v):
        if v < 0:
            raise ValueError("年龄不能为负")
        return v

# 自动验证
user = UserCreate(name="Alice", email="a@b.com", age=25)
# 传入错误类型会自动报错
UserCreate(name="Bob", email="b@c.com", age="abc")  # ValidationError

动手练习

练习 1:给函数加注解
给之前的 Todo 函数加类型注解
def add_task(title: str, priority: str = "medium") -> int:
    """添加任务,返回任务 ID"""
    ...

def list_tasks(show_all: bool = False) -> list[dict]:
    """列出任务"""
    ...
查看答案
参考答案
# 类型注解不影响运行,只是提示和检查
练习 2:用 dataclass
用 dataclass 定义 Student 类
from dataclasses import dataclass

@dataclass
class Student:
    name: str
    age: int
    grades: list[float]
    
    def average(self) -> float:
        return sum(self.grades) / len(self.grades)

s = Student("Alice", 25, [90, 85, 95])
print(s.average())  # 90.0
查看答案
参考答案
# dataclass 省去了 __init__ 的样板代码
练习 3:Optional 类型
写一个安全的字典获取函数
from typing import Optional

def get_value(data: dict, key: str) -> Optional[str]:
    """安全获取字典值,不存在返回 None"""
    return data.get(key)

user = {"name": "Alice"}
print(get_value(user, "name"))  # Alice
print(get_value(user, "age"))   # None
查看答案
参考答案
# 比 dict["key"] 更安全,不会 KeyError

打卡验收

会给变量和函数加类型注解
掌握 list/dict/tuple/set 的注解写法
理解 Optional 和 Union 的用途
会用 dataclass 快速定义类
了解 Pydantic 和 dataclass 的区别
完成 3 个动手练习
能向别人解释 Python 类型注解和 TypeScript 的异同
知道类型注解是可选的,不是强制的
打卡方式: 全部勾选后,告诉我 "Day 12 打卡",并贴出你的代码。