作为动态语言的代表之一,Python因其代码简洁、开发迅速、拥有丰富的第三方库,在工业界大受欢迎。然而,由于缺少静态类型信息,许多软件工程活动(如程序理解、软件调试、静态缺陷检测等)无法有效地在Python程序中开展。为此,Python社区提出了静态类型标注提案,即允许开发者以标注形式表明程序实体的类型。类型标注不强制规定Python程序实体的类型,不作为代码的一部分被解释执行。类型标注可以被类型推导等其他分析方法和工具解析利用,进而提高分析精度。然而,类型标注能够在多大程度上帮助类型推导,以及在有限时间和资源条件下开发者该如何进行类型标注,尚未有相关工作展开研究。本文研究面向类型推导的Python类型标注,从类型标注的有效性分析和类型标注点推荐两个方面展开。主要工作包括:·对现有类型推导引擎进行了扩展,设计实现了一个支持类型标注的类型推导工具。该工具既支持开源标注集TypeShed作为外部标注的直接集成,也支持项目本身的内部标注。在集成了类型标注后,该工具可以有效地改善原有的类型推导结果。并借助一个开源类型标注集TypeShed,对外部类型标注在改善类型推导结果方面的有效性进行了实验分析。在11个开源Python项目中的实验结果表明:外部类型标注有效地改善了类型推导的效果,且类型标注对局部变量的类型推导结果的增益最为显著。·提出了一种面向类型推导的类型标注点推荐方法TARank,对可标注的Python程序变量进行性价比排序,即希望能够通过标注更少的类型信息来达到更好的类型推导效果。实验结果表明:TARank能够适用于实际大型Python项目,推荐结果可以有效地改善类型推导效果,在某些场景下,标注排序越靠前的变量对类型推导的增益越高。本文工作的结果可以为后续类型标注和类型推导的研究工作提供启发,也能够直接为程序员在有限资源条件下进行类型标注提供实际指导。