从静态或编译时类型检查的意义上讲，Python不是强类型的。

大多数Python代码都属于所谓的“Duck Typing”——例如，你寻找一个对象上读取的方法——你不关心对象是磁盘上的文件还是套接字，你只想从中读取N个字节。

Python并不关心你将什么传递给它的函数。当您调用my_func(a,b)时，param1和param2变量将保存a和b的值。Python不知道您正在使用正确的类型调用函数，并期望程序员处理这一点。如果函数将使用不同类型的参数调用，您可以使用try/except块包装访问它们的代码，并以您想要的任何方式计算参数。

在这个页面上，有一个臭名昭著的例外值得提及。

当str函数调用__str__类方法时，它会巧妙地检查其类型:

>>> class A(object):
...     def __str__(self):
...         return 'a','b'
...
>>> a = A()
>>> print a.__str__()
('a', 'b')
>>> print str(a)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
TypeError: __str__ returned non-string (type tuple)

就好像Guido提示我们，如果程序遇到意外类型，应该引发哪个异常。

要有效地使用typing模块(Python 3.5新增)，请包含all(*)。

from typing import *

你将准备使用:

List, Tuple, Set, Map - for list, tuple, set and map respectively.
Iterable - useful for generators.
Any - when it could be anything.
Union - when it could be anything within a specified set of types, as opposed to Any.
Optional - when it might be None. Shorthand for Union[T, None].
TypeVar - used with generics.
Callable - used primarily for functions, but could be used for other callables.

然而，你仍然可以使用类型名称，如int, list, dict，…

您不需要指定类型。该方法只有在试图访问未在传入参数上定义的属性时才会失败(在运行时)。

这个简单的函数:

def no_op(param1, param2):
    pass

．.． 无论传入哪两个参数都不会失败。

然而，这个函数:

def call_quack(param1, param2):
    param1.quack()
    param2.quack()

．.． 如果param1和param2都没有名为quack的可调用属性，将在运行时失败。

你从不指定类型;Python有鸭子类型的概念;基本上，处理参数的代码将对参数做出某些假设——可能通过调用参数期望实现的某些方法。如果参数类型错误，则会引发异常。

一般来说，这取决于你的代码来确保你传递的对象是正确类型的——没有编译器提前强制这一点。