Сталкивался ли аннотацией типов

Аннотации типов в Python

Да, я активно использую аннотации типов в своих проектах. Это одна из самых важных практик современной Python-разработки для повышения качества кода и снижения ошибок.

Что такое аннотации типов?

Аннотации типов (type hints) — это синтаксис, позволяющий указывать, какие типы данных должны приниматься и возвращаться функциями и переменными. Они были введены в Python 3.5 через PEP 484.

Базовые примеры

# Простые типы
def greet(name: str) -> str:
    return f"Hello, {name}!"

# Числовые типы
def calculate(a: int, b: float) -> float:
    return a + b

# Сложные типы из typing
from typing import List, Dict, Optional, Union

def process_items(items: List[str]) -> Dict[str, int]:
    """Считает количество каждого элемента"""
    return {item: items.count(item) for item in set(items)}

# Optional - может быть значение или None
def find_user(user_id: int) -> Optional[str]:
    if user_id > 0:
        return f"User {user_id}"
    return None

Зачем нужны аннотации?

1. Самодокументирование кода:

# Без аннотаций - неясно, что передавать
def calculate_price(products):
    return sum(p.price for p in products)

# С аннотациями - всё ясно
def calculate_price(products: List[Product]) -> float:
    return sum(p.price for p in products)

2. Проверка типов с помощью инструментов:

• mypy — статический анализатор типов
• pyright — быстрый type checker от Microsoft
• pydantic — валидация данных и сериализация

mypy script.py  # Проверяет типы перед запуском

3. IDE поддержка:

Аннотации позволяют IDE (PyCharm, VS Code) давать полноценный автокомплит и подсказки.

Более продвинутые типы

from typing import Callable, Generic, TypeVar
from dataclasses import dataclass

# Функции как типы
def apply_operation(a: int, b: int, op: Callable[[int, int], int]) -> int:
    return op(a, b)

apply_operation(5, 3, lambda x, y: x + y)  # ✓ OK

# Generics - параметризированные типы
T = TypeVar("T")

class Stack(Generic[T]):
    def __init__(self):
        self.items: List[T] = []
    
    def push(self, item: T) -> None:
        self.items.append(item)
    
    def pop(self) -> T:
        return self.items.pop()

stack: Stack[int] = Stack()
stack.push(42)
value: int = stack.pop()

# Union - несколько возможных типов
def process_input(data: Union[int, str]) -> None:
    if isinstance(data, int):
        print(f"Number: {data}")
    else:
        print(f"String: {data}")

Pydantic для валидации

from pydantic import BaseModel, Field
from typing import List

class UserProfile(BaseModel):
    name: str
    age: int = Field(ge=0, le=120)
    email: str
    tags: List[str] = []

# Автоматическая валидация
user = UserProfile(name="John", age=30, email="john@example.com")
user_dict = user.model_dump()  # Сериализация
json_str = user.model_dump_json()  # JSON

Best Practices

• Всегда используй аннотации в production коде
• Проверяй типы с mypy в CI/CD pipeline
• Не используй Any без необходимости
• Комбинируй с docstrings для полной документации
• Используй Pydantic для валидации входных данных

Заключение

Аннотации типов — это не обязательная функция языка, но они делают код более надёжным, понятным и легко поддерживаемым. Это профессиональный подход к Python-разработке.