如何对Python的list、array、series做仅含数值类型的类型检查？

解答 #

这类元素类型校验可以在静态类型检查层面实现大部分能力，仅运行时动态生成的输入场景需要结合单元测试或运行时校验补充。

首先先纠正你之前代码中的两处错误：

1. TypeVar定义语法错误：第一个参数必须是和变量名一致的字符串，其次numpy数组的类型注解应该用np.ndarray而非构造函数np.array。
2. 未给容器指定元素泛型参数，静态检查器本身就无法感知内部元素的类型要求。

实现方案：给容器指定元素泛型 #

现在主流的静态类型检查器（mypy、pyright等）都已原生支持list、numpy数组、pandas Series的带元素类型的泛型注解，改写后的代码如下：

from typing import TypeVar, Union
import numpy as np
import pandas as pd
from numpy.typing import NDArray

# 定义三类支持的数值型容器
NumericalList = list[Union[int, float]]
NumericalNdarray = NDArray[Union[np.int_, np.float_]]
NumericalSeries = pd.Series[Union[int, float]]

# 定义泛型类型变量
T = TypeVar("T", NumericalList, NumericalNdarray, NumericalSeries)

def average(x_lst: T) -> float:
    return sum(x_lst) / float(len(x_lst))

这种写法下，如果你传入list[str]、NDArray[np.bool_]这类非数值元素的容器，静态检查器会在开发阶段直接抛出类型错误，不需要运行代码。

如果希望支持所有符合「可迭代、可求长度、元素为数值」结构的类列表对象，不用限制死三类具体类型，可以用Protocol定义结构类型：

from typing import Protocol, Iterator, Union, TypeVar

T_co = TypeVar("T_co", int, float, covariant=True)

class NumericalListLike(Protocol[T_co]):
    def __iter__(self) -> Iterator[T_co]: ...
    def __len__(self) -> int: ...

def average(x_lst: NumericalListLike[Union[int, float]]) -> float:
    return sum(x_lst) / float(len(x_lst))

静态类型检查的局限 #

静态检查只能覆盖开发阶段可以推导确定类型的场景，如果你的输入是运行时动态生成的（比如从外部文件读取的pd.Series、用户上传的列表），静态检查无法感知运行时的实际数据类型，这类场景需要补充：

• 简单的运行时类型校验（比如遍历检查元素类型，或用pydantic这类库做自动运行时校验）
• 覆盖动态输入场景的单元测试

内容的提问来源于stack exchange，提问作者CreekGeek