Python 静态类型检查入门
问题
我写的代码主要是偏量化交易，这行啊对数值的准确性要求是非常的高，毕竟交易的都是真金白银。但是计算机有时候“不靠谱”，比如 0.2 * 100 用眼睛看一下都知道结果是 20 ；用计算机来算结果就不一定了，先算个 19.99xxx 的给大家看下。
#!/usr/bin/env python3
def my_sum(a, b):
return a + b
def main():
total = 0
for i in range(100):
j = 0.1
k = 0.1
total = total + my_sum(j, k)
print("total = {}".format(total))
if __name__ == "__main__":
main()运行结果
python3 main.py
total = 19.99999999999996做一个小小的改动，我们就能把结果算成 20.00xxx 。
#!/usr/bin/env python3
def main():
total = 0
for i in range(100):
j = 0.1
k = 0.1
# 不调用函数了，直接在这里加
total = total + j + k
print("total = {}".format(total))
if __name__ == "__main__":
main()运行结果
python3 main.py
total = 20.000000000000014解决方案
就问题的根本原因来说，就是计算机没有办法精确地表示 0.1 这样的数值，详细的可以参考 IEEE754 标准。解决问题的办法也非常简单就不用浮点数，改成全部用整数表现。比如 1.234￥ 我们程序中用整数记成 12340 也就是说程序中的每一个 1 表示的是 1/10000 ￥。
有了解决方案，问题就解决了一半，剩下的就是要落实；就其它静态类型的语言来说这个比较好办，只需要把数据类型声明为 int / long int 类型就行，编译时就能检查出问题。
对于 Python 的话我们要加一些类型提示(注解)，然后再用专门的静态分析工具去检查，我们的使用方式与类型提示是否一致。那下面就来实操下。
第一步安装类型检查工具
为了做静默类型检查，我们需要先安装一个官方提供的工具 mypy ；从 github 上看这个已经是官方第二大的项目了，这个工具的工程质量上确实不错。
pip3 install mypy第二步给代码增加类型提示
给我们的代码加上类型提示， 这样 mypy 就知道我们期望的参数类型是什么了。
#!/usr/bin/env python3
def my_sum(a: int, b: int) -> int:
return a + b
def main() -> None:
total = 0
for i in range(100):
j = 0.1
k = 0.1
total = total + my_sum(j, k)
print("total = {}".format(total))
if __name__ == "__main__":
main()
对代码进行静态类型检查
mypy --strict main.py
main.py:13: error: Argument 1 to "my_sum" has incompatible type "float"; expected "int" [arg-type]
main.py:13: error: Argument 2 to "my_sum" has incompatible type "float"; expected "int" [arg-type]
Found 2 errors in 1 file (checked 1 source file)可以看到 mypy 检查到类型不兼容的问题了，下面我们把代码改正确。
第三步修复类型检查的问题
按 1/10000 的精度把我们的代码逻辑改正确。
#!/usr/bin/env python3
def my_sum(a: int, b: int) -> int:
return a + b
def main() -> None:
total = 0
for i in range(100):
# 如果我们用 1/10000 精度，那么 0.1 就应该写成 1000
j = 1000
k = 1000
total = total + my_sum(j, k)
# 输出的时候要格式化一下这样对人更加友好
print("total = {0} ￥".format(total / 10000))
if __name__ == "__main__":
main()运行类型检查工具，可以看到类型检查也过去了。
mypy --strict main.py
Success: no issues found in 1 source file运行程序检查结果是不是期望中的 20
python3 main.py
total = 20.0 ￥总结
可以看到最初我们只是算了 100 次 0.1 + 0.1 就积累出了比较大的误差；现在我大 A 股有 5000+ 多只股票，每秒都会有新的价格产生，这个数据是海量的。
如果任由浮点数误差这样积累下去，最后模型的准确性应该和丢鞋差不多。静态类型检查就能比较好地解决掉这些问题。
事实上我们在真正的开发上并不会，每次都会去运行程序做检查的，vscode 上有方便的插件可以用；不过这是后话了下次再说吧，这篇文章已经有点长了。