1、类型提示仅在语法层面有效
类型提示（自 PEP 3107 开始引入）用于向变量、参数、函数参数以及它们的返回值、类属性和方法添加类型。
Python 的变量类型是动态的，可以在运行时修改，为代码添加类型提示，仅在语法层面支持，对代码的运行没有任何影响，Python 解释器在运行代码的时候会忽略类型提示。
因此类型提示一个直观的作用就是提升代码的可读性，方便调用者传入/传出恰当类型的参数，便于代码重构。
Python 内置的基本类型可以直接用于类型提示：
变量的类型提示示例：
a: int = 3
b: float = 2.4
c: bool = True
d: list = ["A", "B", "C"]
e: dict = {"x": "y"}
f: set = {"a", "b", "c"}
g: tuple = ("name", "age", "job")函数的类型提示：
def add_numbers(x: type_x, y: type_y, z: type_z= 100) -> type_return:
return x + y + z这里的 type_x , type_y , type_z , type_return 可以是内置的基本类型，也可以是自定义类型。
类的类型提示：
class Person:
first_name: str = "John"
last_name: str = "Does"
age: int = 312、用 mypy 检查类型提示
假如有这样一段代码：
x: int = 2
x = 3.5用 Python 解释器执行是不会有任何错误的：
借助于 mypy 就可以，先 pip install mypy 安装一下，然后 mypy script.py 即可：
更多 mypy 相关可以参考前文mypy 这个工具，让Python的类型提示变得非常实用。
3、类型提示的好处
如果解释器没有强制执行类型提示，为什么还要编写类型提示呢？确实，类型提示不会改变代码的运行方式：Python 本质上是动态类型的，这一点不太可能会改变。但是，从开发人员经验的角度来看，类型提示有很多好处。
（1）、使用类型提示，尤其是在函数中，通过类型提示来明确参数类型和所产生结果的类型，非常便于阅读和理解。
（2）、类型提示消除了认知开销，并使代码更易于阅读和调试。考虑到输入和输出的类型，你可以轻松推断对象以及它们如何调用。
（3）、类型提示可改善代码编辑体验。IDE 可以依靠类型检测来静态分析你的代码并帮助检测潜在的错误（例如，传递错误类型的参数、调用错误的方法等）。另外，还可以根据类型提示为每个变量提供自动补全。
IDE 的类型检查
IDE 的类型检查
IDE 类型检查后的自动补全
4、List 用法
假如你需要列表 list 内部是 float 的类型提示，这样做是不行的：
def my_dummy_function(l: list[float]):
return sum(l)标准库 typing 考虑到了这个问题，你可以这样：
from typing import List
def my_dummy_function(vector: List[float]):
return sum(vector)5、Dict 用法
假如要提示这样的类型：
my_dict = {"name": "Somenzz", "job": "engineer"}借助于 Dict，你可以这样定义类型：
from typing import Dict
my_dict_type = Dict[str, str]
my_dict: my_dict_type = {"name": "Somenzz", "job": "engineer"}6、TypedDict 用法
假如你需要提示这样的类型，那该怎么办？
d = {"name": "Somenzz", "interests": ["chess", "tennis"]}借助于 TypedDict ，你可以这样：
TypedDict
7、Union 用法
从 Python 3.10 开始，Union 被替换为 | 这意味着 Union[X, Y] 现在等价于 X | Y。
Union[X, Y]（或 X | Y）表示 X 或 Y。
假设你的函数需要从缓存目录中读取文件并加载 Torch 模型。此缓存目录位置可以是字符串值（例如 /home/cache ），也可以是 Pathlib 库的 Path 对象，在这种情况下，代码如下：
def load_model(filename: str, cache_folder: Union[str, Path]):
if isinstance(cache_folder, Path):
cache_folder = str(cache_folder)
model_path = os.join(filename, cache_folder)
model = torch.load(model_path)
return model8、Callable 用法
当你需要传入一个函数作为参数的时候，这个参数的类型提示可以为 Callable。
from typing import Callable
def sum_numbers(x: int, y: int) -> int:
return x + y
def foo(x: int, y: int, func: Callable) -> int:
output = func(x, y)
return output
foo(1, 2, sum_numbers)你还可以给这样的函数参数指定参数列表，真的很强大：
语法：
Callable[[input_type_1, ...], return_type]示例：
def foo(x: int, y: int, func: Callable[[int, int], int]) -> int:
output = func(x, y)
return output9、Any 用法
当你传入的参数可以为任何类型的时候，就可以使用 Any
def bar(input: Any):
...10、Optional 用法
如果你的函数使用可选参数，具有默认值，那么你可以使用类型模块中的 Optional 类型。
from typing import Optional
def foo(format_layout: Optional[bool] = True):
...11、Sequence 用法
Sequence 类型的对象是可以被索引的任何东西：列表、元组、字符串、对象列表、元组列表的元组等。
from typing import Sequence
def print_sequence_elements(sequence: Sequence[str]):
for i, s in enumerate(s):
print(f"item {i}: {s}"12、Tuple 用法
Tuple 类型的工作方式与 List 类型略有不同，Tuple 需要指定每一个位置的类型：
from typing import Tuple
t: Tuple[int, int, int] = (1, 2, 3)如果你不关心元组中每个元素的类型，你可以继续使用内置类型 tuple。
t: tuple = (1, 2, 3, ["cat", "dog"], {"name": "John"})最后的话
类型提示在代码之上带来了额外的抽象层：它们有助于记录代码，澄清关于输入/输出的假设，并防止在顶部执行静态代码分析 (mypy) 时出现的隐蔽和错误。
