Python 的类型系统有一个容易让新手困惑、但理解后就豁然开朗的核心事实：变量没有类型，对象才有类型。这一节从原理到实用，把它讲清楚。
变量只是个名字
在 Python 中，变量不是“存放数据的盒子”，而是贴在对象身上的标签。你可以随时把同一个标签撕下来，贴到另一个对象上，而对象本身的类型在创建时就已经固定，终身不变。
用代码验证比说理更直观：
a = 42 # a指向一个int对象
print(type(a)) # <class 'int'>
a = "hello" # a现在指向一个str对象，原来的int对象可能被回收
print(type(a)) # <class 'str'>变量 a 先后贴在了 int 对象和 str 对象上，它自身没有任何类型约束。这在编译型语言（如 C、Java）中是难以想象的——那些语言里，变量在声明时必须指定类型，而后只能存放该类型的值。
对象有类型，且类型永不变
当你写下 42 时，Python 在内存中创建了一个 Python int 对象；这个对象的类型就从创建起固定为 int，直到被销毁也不会变成其他类型。"hello" 也是一个 str 对象，它的类型同样是终身制。
这种“对象有类型且不可变”的机制，保证了类型系统的稳健性——一个对象能做什么操作，完全由它的类型决定，不会中途突变。
类型检查：看看标签后面是谁
因为我们操作的是对象，所以需要检查类型时，要检查的是变量当前指向的那个对象。
type(obj)返回对象的精确类型，例如<class 'int'>。isinstance(obj, A)检查对象是否为某个类型或该类型的子类，支持继承关系，更符合面向对象的多态理念。
x = 3.14
type(x) == float # True
isinstance(x, float) # True
isinstance(x, (int, float)) # True，可以是多种类型之一实际编程中，推荐优先使用 isinstance，因为它对继承友好；直接用 type 做精确比较的场景较少。
动态类型的优势与注意点
优势：
- 代码简洁灵活：不需要提前声明变量类型，快速适应不同数据。
- 鸭子类型天然支持：函数参数不限定类型，只要对象有相应的方法就能工作。例如，一个求和函数既能接受整数列表，也能接受浮点数列表，甚至可以是实现了
add的自定义对象。 - 快速原型：在探索性数据分析和脚本编写中，不必先定义数据结构就能开始试验。
注意事项：
- 类型错误运行时才暴露：不像静态语言有编译期检查，Python 的类型错误（如把字符串传给要求整数的函数）要等到实际执行到那一行才会报错。为此，现代 Python 项目常使用类型提示（Type Hints） 配合 mypy 等工具做静态检查，既能保持动态语言的灵活性，又能提前发现部分类型问题。
- 变量重用要谨慎：同一个变量名在不同时段指向完全不同类型的对象，可能会让阅读者（包括三个月后的你自己）感到困惑。最好一个变量名保持语义和类型的稳定。
本质一句话总结
变量无类型，对象有类型。
变量是引用，类型属于对象。理解了这一点，你就真正理解了 Python 类型系统的运作方式。