📚 课程目录第4章类型错误（TypeError）

4、类型错误（TypeError）：数据类型不匹配、函数参数类型错误、运算类型冲突

类型错误，说白了就是你把苹果当橙子用了。建模软件里每个数据都有它自己的“身份证”——整数、浮点数、字符串、布尔值、数组、对象……你要是硬把它们混在一起，软件就会直接罢工。

我刚开始做建模那会儿，最烦的就是这个报错。明明代码逻辑看着没问题，一跑就红。后来才明白，类型错误其实是最容易排查的一类问题——只要你养成看类型的习惯。

4.1 三种最常见的类型错误场景

根据我这些年踩过的坑，类型错误基本就三种情况。咱们一个一个说。

错误类型	典型表现	常见原因
数据类型不匹配	字符串当数字用，数字当数组用	输入源类型不确定、API返回格式变化
函数参数类型错误	传了错误类型的参数给函数	接口文档没看清、参数顺序搞反
运算类型冲突	字符串拼接和数学运算混在一起	隐式类型转换失败、运算符重载误解

4.2 数据类型不匹配——最隐蔽的坑

我记得有一次做建筑参数化建模，从Excel读进来的数据全是字符串格式。我直接拿去做数学运算，结果出来的全是NaN。查了半天才发现，那些看起来是数字的东西，其实都是文本。

典型错误示例：

# 错误写法
width = "1200"    # 字符串
height = "800"    # 字符串
area = width * height  # TypeError: can't multiply sequence by non-int of type 'str'

# 正确写法
width = float("1200")
height = float("800")
area = width * height  # 960000.0

为什么会这样？因为很多数据源的输出格式并不固定。用户输入、文件读取、API返回，都可能给你字符串而不是数字。你想想看，要是没做类型检查，后面所有计算都会崩。

我的习惯：每次从外部获取数据，先打印type()看一下。养成这个习惯后，类型错误至少减少80%。

4.3 函数参数类型错误——接口文档要看清

这个坑我踩过不止一次。有些函数要求传整数，你传了浮点数；有些要求传列表，你传了元组。表面上看差不多，但内部处理逻辑完全不同。

举个实际例子。我在做网格简化算法时，有个函数需要传入顶点索引列表。我图省事传了个生成器对象进去，结果函数内部要取len()，生成器不支持——直接报错。

# 错误示例
def simplify_mesh(vertex_indices):
    count = len(vertex_indices)  # 生成器没有len()
    ...

indices = (i for i in range(1000))  # 生成器，不是列表
simplify_mesh(indices)  # TypeError: object of type 'generator' has no len()

# 正确做法
indices = list(range(1000))  # 显式转为列表
simplify_mesh(indices)

避坑指南：我曾经因为没看函数签名，把一个三维向量传给了需要二维向量的函数。结果模型扭曲得一塌糊涂，排查了整整一个下午。从那以后，我写代码前一定会先看函数的参数类型注解。

4.4 运算类型冲突——隐式转换的陷阱

有些语言会帮你做隐式类型转换，比如JavaScript里"5" + 3 = "53"。但在建模软件里，这种隐式转换往往是灾难的开始。

我见过最离谱的一次，是有人把布尔值和整数做加法。True + True = 2，这在Python里是合法的，但用在建模参数上就完全不对了——你本来想表达的是逻辑关系，结果变成了数值计算。

运算	预期结果	实际结果	问题
"5" + 3	8	"53"	字符串拼接
True + 1	报错或逻辑值	2	布尔转整数
None + 10	报错	TypeError	空值参与运算

4.5 类型错误的排查方法论

遇到类型错误别慌。我总结了一套排查流程，基本能解决90%的问题。

看报错信息——它通常会告诉你哪个类型不对，期望什么类型
打印type()——在报错行之前加一行print(type(variable))
检查数据来源——这个变量是从哪来的？文件？用户输入？API？
显式转换——用int()、float()、str()、list()等做强制转换
加类型断言——assert isinstance(x, int)，提前拦截错误

实用技巧：在建模脚本开头加一个类型检查装饰器，自动校验所有参数类型。我自己的工具库里就有一个@type_check装饰器，用了好几年了，省了不少事。

4.6 类型错误知识体系

下面这张图是我自己整理的，把类型错误的常见场景和解决方案串在了一起。你看一遍就能记住。

4.7 实战案例：一个完整的类型错误排查

最后分享一个真实案例。有一次我在做地形生成脚本，从GIS文件读取高程数据。代码跑起来总是报TypeError，但报错位置飘忽不定。

我加了一堆print(type())，终于发现问题：有些数据点是整数，有些是浮点数，还有几个是字符串"null"。混合在一起做运算时，字符串"null"就炸了。

我的解决方案：写了一个数据清洗函数，把所有值统一转为float，遇到无法转换的就用默认值替代。这样一搞，脚本就稳了。

def clean_elevation(value, default=0.0):
    """清洗高程数据，统一转为浮点数"""
    try:
        return float(value)
    except (TypeError, ValueError):
        return default

# 使用示例
raw_data = [1200, 800.5, "null", 950, None, "1500.2"]
cleaned = [clean_elevation(v) for v in raw_data]
print(cleaned)  # [1200.0, 800.5, 0.0, 950.0, 0.0, 1500.2]

嗯，这就是类型错误的全部内容了。记住一句话：先看类型，再操作。养成这个习惯，类型错误基本就跟你无缘了。