Lekce 16 - Typový systém a type hints v Pythonu

Přestože je Python dynamicky typovaný, stále se jedná o silně typovaný jazyk, který vyžaduje přiřazení typu proměnné. Toto se sice většinou odehrává automaticky, ale i tak jsou případy, kdy se hodí si typy v Pythonu manuálně a explicitně uvést. Například díky uvedení typů může naše IDE lépe kontrolovat správnost našeho kódu. Pro větší projekty je tato praktika velmi užitečná.

Samotný Python námi uvedené typy ignoruje a přiřazuje si je vždy sám, nehledě na to, co mu my explicitně uvedeme. Toto uvedení tedy doopravdy slouží pouze jako informace pro nás, popř. pro IDE nebo nástroj mypy, který typy ověřuje.

Základní typy v Pythonu a jejich použití

Základní typy v Pythonu jsou:

• int pro celé číslo
• float pro reálné číslo
• bool pro hodnoty True/False
• str pro řetězce
• None pro None

Pokud chceme explicitně deklarovat typ proměnné, použijeme k tomu dvojtečkový operátor ::

text: str = "Ahoj světe!"

Nyní je jasně řečeno, že text je typu str. Zde by to bylo stejně poznat podle hodnoty "Ahoj světe!", takže je tu takové označení trochu zbytečné. V programu je ale spoustu míst, kde to již tak jasné není. Např. můžeme typovat i parametry funkcí a jejich návratové hodnoty:

def generuj_ahoj(jmeno: str) -> str:
    return "Ahoj, " + jmeno + "!"

Již zmíněnými nástroji je v tuto chvíli pak možné zkontrolovat, zda nám vše sedí, případně vygenerovat k funkcím dokumentaci včetně typů.

Další typy v Pythonu

Samozřejmě toto nejsou všechny typy, které se mohou v Pythonu objevit. Jistě sami zvládnete vyjmenovat mnohé další - list, dict atd. Že je proměnná typu list můžeme označit pomocí:

muj_list: list = [1, 2, 3]

Toto by nám ale nebylo moc užitečné. Sice bychom věděli, že daná proměnná je list, ale nevěděli bychom jakého typu jsou prvky, které se v tomto listu nacházejí.

Knihovna typing

Přesně s tímto nám pomůže knihovna typing:

from typing import List, Set, Dict, Optional, Callable

Typování seznamů a množin

První dvě importované položky nám přijdou jistě intuitivní, typ prvků v nich uložených se určuje pomocí hranatých závorek:

muj_list: List[int] = [1, 2, 3]
muj_set: Set[int] = set(muj_list)

Slovníky

Pokud chceme typovat slovník, s jedním takovým parametrem si nevystačíme. Budeme tedy potřebovat parametry dva - první pro typ klíče a druhý pro typ hodnot:

muj_slovnik: Dict[int, str] = {1: 'jedna', 2: 'dva', 3: 'tri'}

Samozřejmě můžeme jako parametry používat i složitější typy, než jen a pouze ty primitivní:

muj_slovnik2: Dict[int, List[str]] = {1: ['jedna', 'one'], 2: ['dva', 'two'], 3: ['tri', 'three']}

Optional

Kdy se nám ale může hodit typ Optional? Optional ve zkratce značí to, že daná proměnná může nabývat hodnot typu prvního parametru nebo None. To se nám hodí například, pokud bychom chtěli vytvořit funkci na dělení a chtěli zabránit dělení nulou:

def deleni(a: float, b: float) -> Optional[float]:
    if b == 0:
        return None  # nesmíme dělit nulou
    return a / b

Callable

Poslední typ, který jsme si importovali, se jmenuje Callable. Jak již název napovídá, jedná se o typ něčeho, co se může volat, tedy funkcí:

def pridej_jedna(a: int) -> int:
    return a + 1

operace: Callable = pridej_jedna
print(operace(5))  # vypíše 6

Vytváření vlastních typů

Typy v Pythonu můžeme vytvářet třemi způsoby:

1. typové aliasy
2. třídy
3. pojmenovaný slovník

Typové aliasy

Pokud nějaký komplikovaný typ používáme často, můžeme si vytvořit typový alias, který se vytvoří jednoduchých přiřazením původního typu do proměnné. Například se nám to může hodit při definici matic:

matice: List[List[int]] = [[1, 2], [3, 4]]

můžeme díky vytvoření typovému aliasu napsat jako

Matrix = List[List[int]]
matice: Matrix = [[1, 2], [3, 4]]

Třídy

Každá třída se bere také jako vlastní typ, ať už ji importujeme, nebo sami vytvoříme:

class MojeTrida:
    pass

moje_promenna: MojeTrida = MojeTrida()

from queue import Queue

fronta: Queue = Queue()

Problémem, na který bychom mohli narazit, by bylo, že bychom chtěli využít typ, který je deklarován až dále v souboru (popř. typ dané třídy samotné). V době čtení daného řádku jej tedy parser nezná. Tomu můžeme předejít tak, že místo přímého odkazu na danou třídu uzavřeme její jméno do uvozovek jako textový řetězec. Např.:

from typing import Optinal, Any

class LinkedList:
    def __init__(self):
        self.value: Optional[Any] = Noneprvky
        self.next: Optional["LinkedList"] = None

Typovaný slovník

Posledním typem vytváření typů v Pythonu, který dnes probereme, je vytvoření typovaného slovníku (TypedDict), který se poprvé objevil v Pythonu 3.8. Jedná se o jakousi abstrakci nad klasickým slovníkem, kdy ale explicitně uvedeme, které klíče s jakým typem hodnot se mohou ve slovníku nacházet:

from typing import TypedDict

class AdresaDomu(TypedDict):
    mesto: str
    ulice: str
    cislo_domu: int

AdresaDomu = TypedDict('AdresaDomu', mesto=str, ulice=str, cislo_domu=int)
AdresaDomu = TypedDict('AdresaDomu', {'mesto': str, 'ulice': str, 'cislo_domu': int})

moje_adresa: AdresaDomu = {'mesto': 'Stare Mesto', 'ulice': 'Nova ulice', 'cislo_domu': 52}

Alternativní systém typování

Tento systém, který jsme si ukázali, je v Pythonu dostupný od verze 3.5, takže pokud používáte Python 3.4 a starší, nemáme dostupné nic z knihovny typing, ani dvojtečkový operátor. Přesto ale můžeme typovat - a to pomocí komentářů. Takže například řetězcovou proměnnou bychom deklarovali následovně:

muj_text = "Ahoj"  # type: str

Tento systém je možné využívat i v Pythonu 3.5 a novějším, přičemž v některých konkrétních situacích je to stále jediný možný způsob typování bez toho, aby nám interpreter hlásil část kódu, kterou neumí zparsovat.

Další studium

V této lekci jsme si ukázali, jak v Pythonu používat základní typování, což nám vystačí pro naprostou většinu běžných případů. Několik posledních verzí Pythonu prokázalo, že typování je věc, kterou se chce jazyk stále více zabývat a je proto stále ve vývinu. Pokud bychom chtěli najít nejaktuálnější postupy při typování, nejlepší bude konzultovat oficiální dokumentaci.

V následujícím cvičení, Řešené úlohy k 12.-15. lekci OOP v Pythonu, si procvičíme nabyté zkušenosti z předchozích lekcí.