Как обрабатывать нечисловые типы данных в функции

Что проверяют

Как вы проектируете контракт функции: что она принимает, что делает с чужим типом и как сообщает об ошибке. Следом обычно спрашивают, чем отличаются подходы EAFP и LBYL и что будет, если передать True.

Как отвечать

Начните с решения, которое принимается до кода: функция либо строгая и отказывает всему нечисловому, либо терпимая и пытается привести значение. От этого зависит всё остальное.

• сигнатура и аннотации: def scale(x: float) -> float. По правилам типизации int принимается там, где ждут float. Сами аннотации во время выполнения ничего не проверяют, это делают mypy или pyright, а на границе с внешними данными валидирует Pydantic;
• проверка типа: isinstance(x, numbers.Real) покрывает int, float, Fraction и пользовательские числовые типы, а Decimal в Real не входит, его придётся указать отдельно. Для разного поведения по типам удобнее functools.singledispatch или match с шаблоном case int() | float():, чем лестница из elif;
• EAFP: питоничный путь для приведения это float(x) внутри try с перехватом (TypeError, ValueError). float справится с " 5 " и "1e3", но не с "1,5";
• ошибки: неверный тип сообщается через TypeError, неверное значение того же типа через ValueError. Функция не возвращает строку «некорректные данные» вместо числа;
• краевые случаи: float("nan") и float("inf") проходят преобразование, поэтому при необходимости добавьте math.isfinite.

Если данные табличные, в pandas есть pd.to_numeric(s, errors="coerce"): всё непреобразуемое станет NaN одним вызовом.

Где спотыкаются

Забывают, что bool это подкласс int. isinstance(True, int) вернёт True, и scale(True) тихо посчитает единицу. Если это недопустимо, bool исключают явно.

Возвращают из функции то число, то строку с ошибкой. Вызывающий код падает далеко от места проблемы, а в аннотации появляется float | str, которую каждый вызывающий обязан разбирать.

Ловят голый except: или except Exception. Так проглатываются и настоящие баги, вплоть до опечатки в имени переменной.