Как справиться с ошибкой TypeError при работе с данными в Python

Пример 1: Перегрузка оператора сложения с валидацией типа

Создадим класс Vector, который поддерживает сложение только с другим Vector. При попытке сложить с числом или строкой будет выброшено информативное исключение.

class Vector:
    def __init__(self, x, y):
        self.x = x
        self.y = y

    def __add__(self, other):
        if not isinstance(other, Vector):
            raise TypeError(f'Нельзя сложить Vector с {type(other).__name__}')
        return Vector(self.x + other.x, self.y + other.y)

    def __repr__(self):
        return f'Vector({self.x}, {self.y})'

v1 = Vector(1, 2)
v2 = Vector(3, 4)
print(v1 + v2)  # Vector(4, 6)
# print(v1 + 5) # TypeError

Vector(4, 6)

Если раскомментировать последнюю строку, будет получена ошибка: TypeError: Нельзя сложить Vector с int. Это предотвращает случайное смешение типов.

Пример 2: Декоратор type_check для рантайм-валидации

Декоратор проверяет, что переданные аргументы соответствуют аннотациям функции. Если тип не совпадает, генерируется TypeError.

from functools import wraps

def type_check(func):
    @wraps(func)
    def wrapper(*args, **kwargs):
        annotations = func.__annotations__
        # Сопоставляем позиционные аргументы с именами
        for i, (arg_name, expected_type) in enumerate(annotations.items()):
            if arg_name == 'return':
                continue
            if i < len(args):
                arg_value = args[i]
            else:
                arg_value = kwargs.get(arg_name)
            if arg_value is not None and not isinstance(arg_value, expected_type):
                raise TypeError(f'Аргумент {arg_name} должен быть {expected_type.__name__}, получен {type(arg_value).__name__}')
        return func(*args, **kwargs)
    return wrapper

@type_check
def greet(name: str, age: int) -> str:
    return f'{name} is {age} years old.'

print(greet('Bob', 25))  # нормально
# print(greet('Bob', '25'))  # TypeError

Bob is 25 years old.

Обратите внимание: декоратор пропускает None, чтобы не мешать опциональным параметрам.

Пример 3: Сложение массивов numpy с разными типами данных

NumPy строго следит за типами данных. Попытка сложить массив строк с массивом чисел вызовет TypeError.

import numpy as np

arr_int = np.array([1, 2, 3])
arr_str = np.array(['a', 'b', 'c'])

try:
    result = arr_int + arr_str
except TypeError as e:
    print('Ошибка:', e)

Ошибка: ufunc 'add' did not contain a loop with signature matching types (dtype('
Чтобы избежать, необходимо преобразовать массивы к общему типу: np.array(arr_int, dtype=str) + arr_str или использовать np.char.add.

Пример 4: Использование typing.overload для объявления нескольких вариантов функции

Модуль typing.overload позволяет указать, что функция может принимать аргументы разных типов, но при этом возвращать результат определенного типа в зависимости от входных данных. Это помогает статическим анализаторам, но не добавляет рантайм-проверки.

from typing import overload, Union

@overload
def process(value: int) -> str: ...

@overload
def process(value: str) -> int: ...

def process(value: Union[int, str]) -> Union[str, int]:
    if isinstance(value, int):
        return str(value)
    elif isinstance(value, str):
        return len(value)
    else:
        raise TypeError('Неподдерживаемый тип')

print(process(123))   # '123'
print(process('abc')) # 3

123
3

Обратите внимание: реализация должна сама обрабатывать типы, overload только для подсказок.

Пример 5: Валидация данных с помощью Pydantic

Библиотека pydantic позволяет определять модели данных с полями, имеющими определенные типы. При создании экземпляра происходит автоматическая проверка и попытка преобразования (например, строка '123' в int). Если преобразование невозможно, выбрасывается ValidationError.

from pydantic import BaseModel, ValidationError

class User(BaseModel):
    name: str
    age: int

try:
    u = User(name='Alice', age='30')  # age преобразуется из строки в число
    print(u)
    # u2 = User(name='Bob', age='не число')  # ошибка
except ValidationError as e:
    print(e)

name='Alice' age=30

Это мощный способ избежать ошибок типов на этапе ввода данных, особенно при работе с API и файлами конфигурации.