Заметка начинающим, которые часто сталкиваются с подобной непоняткой.
Ситуация следующая, есть список файлов:
names = [
'image.bmp',
'second.txt.bkp',
'data.db',
'.config.cfg',
'file.ext.bkp'
]
И мы хотим убрать у них окончание ".bkp".
Не знаю зачем, пример довольно надуманный) Но суть он показывает, а это главное.
Те, кто еще не очень знаком с библиотекой os.path или pathlib, вероятно решат обработать имена как строки. И тут вполне подойдет метод строки strip().
Что делает этот метод? Он отрезает указанные символы по обеим сторонам строки. Если ничего не указать, то убирает невидимые символы (пробелы, табуляции и переносы строк).
В нашем случае будет выглядеть вот так:
>>> name.strip('.bkp')
То есть просим удалить строку '.bkp' по краям имени файла, если таковая есть.
Можно применить аналогичный метод rstrip(), чтобы отрезать только справа, но для этого примера используем обычный.
>>> for name in names:
>>> print(name.strip('.bkp'))
image.bm
second.txt
data.d
config.cfg
file.ext
Хм, что-то не то с нашими именами! Что случилось??? Видим нежелательное переименование в именах, где и близко не было указанной строки '.bkp'
А дело всё в том, что данный метод ищет не указанную строку, а указанные символы, и не важно в каком порядке.
Для метода strip() строка '.bkp' это не паттерн для поискаа список символов. Потому он отрезал симовол 'p' от '.bmp' и удалил точку из файла '.config.cfg'.
Как тогда правильно заменить именно паттерн? Для начинающего можно посоветовать метод строки replace(), который как раз использует для замены указанную строку целиком. В нашем примере заменим её на пустую строку.
>>> for name in names:
>>> print(name.replace('.bkp', ''))
image.bmp
second.txt
data.db
.config.cfg
file.ext
Уже лучше, но помните, это лишь пример про strip(). Для работы с именами файлов есть способы и более "правильные", дающие однозначно верный результат. Я взял файлы только в качестве примера. Даже replase() тут может сделать не то что ожидаем.
Просто впредь будьте внимательны с этим strip().
#basic
🪙#Bitcoin follows #M2 with a delay of 8 weeks
#M2 Global Money Supply is an indicator of the country's money supply, which evaluates all the cash available to each person on hand or on short—term bank deposits.
Как стоит думать про денежные агрегаты в 2025 (по моему мнению).
Сразу вывод: текущие темпы роста денежной массы выглядят низкими. В январе-июле 2025 М2Х выросла на 0,9%, М2 на 2,4%. Ожидаемые ЦБ до конца года 6-9% по М2 реалистичны.
—
Вы видели, что в данных ЦБ вроде бы довольно неплохой рост рублёвой денежной массы М2 (на 7,2%) и денежной массы с учётом валюты М2Х (на 5%) с начала января по начало августа. Но есть нюанс - это рост с учётом "сезонной коррекции", SA. Без неё рост гораздо ниже - у М2Х = 0,9%, у М2 = 2,4%.
Что такое SA? Вы берёте "прошлые годы" и смотрите, на сколько должны были бы расти М2 и М2Х с учётом "стандартных для этого времени года трендов". Например, в 1 квартале ВВП почти всегда снижается по сравнению с 4 кварталом предыдущего года - из-за праздников (меньше производим) и расходов перед новым годом (покупаем подарки). Но это "несправедливое" мнение про первый квартал - раз он всегда ниже, надо смотреть относительно стандартной динамики первого квартала и сравнивать с ней.
В каких-то ситуациях (например, с подсчётом ВВП) без SA не обойтись - иначе мы получим искажённые результаты про темпы роста. При этом сумма квартальных данных в рублях для обычного ВВП и со снятой сезонностью почти одинакова.
А в каких-то SA может оказаться не самой удобной концепцией. И мне кажется, с М2 как раз такая проблема. Посмотрите на файл ЦБ: обычные (не SA) данные на 1 января 2025 показывают М2Х примерно 131 трлн руб., М2Х SA 127 трлн руб.! То есть расхождение на "отчётную дату" (а начало года выглядит такой) может достигать нескольких триллионов.
Второй момент - если смотреть с начала года, то по моим подсчётам обычно рост М2Х (и М2) за август-декабрь года заметно превосходил рост за январь-июль. Среднее для М2Х с 2014 по 2025 за первые семь месяцев равно 2,5%, а за последние пять - целых 9,3% (для М2 соответственно 3,0% и 9,5%). Поэтому небольшие темпы роста в 2025 не должны излишне пугать - возможно, за остаток года рост будет побольше.
Но надо понимать, что часть роста М2 и М2Х в конце года - дефициты бюджета. Они закрывались в декабрях (это отлично видно именно по данным последнего месяца в 2022-24, рост М2 был порядка 2-3 трлн руб.). В 2025 мы не ждём такого роста М2 под конец года, потому что федбюджет авансирует расходы, и дефицит уже выглядит близким к итоговому по году. И вдобавок мы живём с высокой ставкой, которая затрудняет рост кредитования.
А значит... SA данные могут информировать нас неточно. Реальный рост "количества денег" совсем не быстрый, это заметно отражается на спросе и замедлении экономики, а также торможении инфляции. Не понимаю, почему коллеги ожидают бурного роста.
#M2#M2X#Inflation#CB#Russia
Bybit Faces $1.4B Hack; CEO Assures Solvency
Bybit CEO confirms all client assets are 1:1 backed after a significant $1.4 billion hack. The exchange is taking loans to manage withdrawals amidst increased traffic. Hackers executed the breach through a transaction signing manipulation, transferring $1.5 billion in wrapped ETH. All other wallets remain secured, and funds within are safe for normal operations. The situation has raised concerns similar to those seen before the FTX collapse. More details
In other news, U.S. Senate Banking Committee is set to discuss bipartisan crypto legislative frameworks on February 26. Source
#Bybit#Crypto#Bitcoin#ETH#Blockchain#Hack#DeFi#VPN#Web3#Finance#Regulation#Senate#Legislation#M2#BankRun#Assets#Investments#Security#Technology
🚀 AI TRENDS | MiniMax M2.7 Open Source Launches Globally with Key Partnerships
On April 13, Jin10 reported that MiniMax, a domestic AI model company, announced the global open-source release of MiniMax M2.7 on April 12. According to Jin10, the launch involved collaborations with major chip manufacturers and inference platforms, including Huawei Ascend, Moore Threads, Muxi, Kunlunxin, NVIDIA, Together AI, Fireworks, and Ollama. On the first day of the open-source release, the model integration and inference adaptation were successfully completed.
#AI#MiniMax#M2.7 #OpenSource#GlobalLaunch#Partnerships#HuaweiAscend#MooreThreads#Muxi#Kunlunxin#NVIDIA#TogetherAI#Fireworks#Ollama#InferencePlatforms#ChipManufacturers