Использование Pydantic сегодня стало нормой, и это правильно. Но иногда на ревью вижу, что используют его не всегда корректно.
Например, метод BaseModel.model_dump() по умолчанию не преобразует стандартные типы, такие как datetime, UUID или Decimal, в простой сериализуемый для JSON вид. Тогда пишут кастмоный сериализатор для этих типов чтобы функция json.dump() не падала с ошибкой.
import uuid
from datetime import datetime
from decimal import Decimal
from uuid import UUID
from pydantic import BaseModel
class MyModel(BaseModel):
id: UUID
date: datetime
value: Decimal
obj = MyModel(
id=uuid.uuid4(),
date=datetime.now(),
value='1.23'
)
print(obj.model_dump())
# не подходит для json.dump
# {
# 'id': UUID('4f8c1bc4-25fd-40cd-9dbe-2c73639b0dc1'),
# 'date': datetime.datetime(2025, 12, 12, 12, 12, 12, 111111),
# 'value': Decimal('1.23')
# }
# добавляем свой кастомный сериализатор
json.dumps(obj.model_dump(), cls=MySerializer)
# {
# 'id': '4f8c1bc4-25fd-40cd-9dbe-2c73639b0dc1',
# 'date': '2025-12-12T12:12:12.111111',
# 'value': '1.23'
# }
В данном случае класс MySerializer обрабатывает datetime, UUID и Decimal. Например так:
class MySerializer(json.JSONEncoder):
def default(self, o):
if isinstance(o, Decimal):
return str(o)
elif isinstance(o, datetime):
return o.isoformat()
elif isinstance(o, UUID):
return str(o)
return super().default(o)
Специально для тех, кто всё еще так делает - в этом нет необходимости!
Pydantic может это сделать сам, просто нужно добавить параметр mode="json".
json.dumps(obj.model_dump(mode="json"))
# {
# 'id': '4f8c1bc4-25fd-40cd-9dbe-2c73639b0dc1',
# 'date': '2012-12-12T12:12:12.111111',
# 'value': '1.23'
# }
#pydantic#libs
Цены на российские сырьевые товары: насколько доступны котировки?
2022 год кардинально изменил торговые потоки, но мы уже в 2025 году: и участники рынка, и ценовые агентства уже адаптировались к новым условиям и запустили котировки. Экспортерам иногда «не хватает» котировки на конкретном базисе, но, по крайней мере, одна котировка для товара российского происхождения обычно доступна, что позволяет оценивать актуальные дисконты/премии к мировым ценам и анализировать текущую рыночную ситуацию.
Мы попробовали сделать свод по доступным ценовым котировкам для российских экспортных товаров. Почти наверняка это неполный список, а иногда данные могут отсутствовать для конкретного товара. Например, могут быть доступны данные по многим видам нефтепродуктов, но не по российскому битуму. Вероятна, и обратная ситуация – для продуктов, по которым мы поставили «-», на самом деле, есть ценовые котировки. На наш взгляд, в наименьшей степени сейчас покрываются рынки СПГ, цветных металлов, стальной продукции.
* зеленым отмечены позиции, по которым доступны полноценные котировки, желтым – в случае, если ценовые котировки доступны для нерелевантных рынков (например, для внутреннего рынка), но эти цены также используются экспортерами/импортерами из третьих стран, розовым – если доступны лишь данные по отдельным сделкам.
#ЦеныНаСырье#PRA
Цены на сырьевые товары: что нужно делать по мнению Владислава Мищенко
Дмитрий Гусев обращает внимание на интервью Владислава Мищенко в "Российской газете". Владислав Мищенко, экс-глава московского офиса Argus Media, является, вероятно, одним из самых титулованных независимых экспертов в области ценообразования на сырьевых рынках. Интервью, данное в правительственной газете, можно рассматривать как программное, и, действительно, богато на идеи.
Но позволим себе и немного поспорить с господином Мищенко:
- "у стран Ближнего Востока... есть своя биржа..., у США и стран Северной Америки - свои площадки.... У России,... таковой площадки нет."
Мы привыкли к тому, что рынок - сложнее. Например, бенчмарк при определении официальной цены на нефть, поставляемую Saudi Aramco (Official Selling Price, OSP), определяется местом поставки: для стран ЕС цены привязаны к ICE Brent, при поставках в Азию - к Platts Dubai, а в США (редкое сейчас направление) - к ASCI. Другие поставщики тоже чаще выбирают данные Platts и Argus, а не биржевые котировки, ведь биржи пришли на этот рынок (в его современном изводе) не так уж и давно.
А ценовых агентств, работающих на российском рынке, и сейчас не так уж и мало - от международных Platts и Argus, до российского НААНС-Медиа.
- "из-за действия санкций стоимость нашей нефти, оказывается заниженной через систему плавающих дифференциалов..., зачастую под влиянием исключительно конъюнктурных факторов".
Это объективная ситуация, ведь на рынке помимо продавцов есть и покупатели и цена образуется там, где предложение встречается со спросом. Вероятно, можно придумать наш, российский механизм для снижения дисконтов, но не окажемся ли мы в ситуации, описанной когда-то давно Фазилем Искандером в "Сандро из Чегема": чегемцы, торговавшие на городском рынке продуктами, иногда заламывали неимоверные цены и, не найдя покупателей, увозили все назад, в горы, говоря: "ничего, сами съедим"?
- "Нам нужен свой нефтяной эталон. Например... ВСТО".
Мы привыкли, что есть простая технология - нужно создать ценовое агентство для оценки стоимости физических партий, запустить фьючерс на бирже и - бенчмарк готов. Почему же до этого несколько попыток создать бенчмарк на основе Urals не увенчались успехом? Возможно, потому что производство бенчмарков отчасти искусство, а не механическая процедура?
- "Эту же практику можно применить... и для других товарно-сырьевых групп - зерно, минеральные удобрения, металлы, химия, газ"
Горячо поддерживаем. Если на рынке нефти и нефтепродуктов работает достаточно много ценовых агентств и СПбМТСБ, то вот освещение других рынков должно быть ярче.
Каким, например, котировкам российского зерна сейчас можно доверять?
#PRA#ESPO#Platts
#Elezioni#Romania#Presidenziali
Risultati definitivi:
Affluenza: 64,72% (+9,86 rispetto al 2019)
Nicușor #Dan (supp. #USR-#DREPT-#PMP-#FD-#REPER-#PRA-#Verzii|EPP|RE|G/EFA): 53,6%
George #Simion (#AUR|ECR): 46,4%
Nicușor Dan eletto nuovo Presidente della Romania.
In foto, la mappa del voto.
@OsservatorioEsteri
#Elezioni#Romania#Presidenziali
Risultati definitivi:
Affluenza: 53,21% (+0,65 rispetto al 2024)
George #Simion (#AUR|ECR): 40,96%
Nicușor #Dan (supp. #USR-#DREPT-#PMP-#FD-#REPER-#PRA-#Verzii|EPP|RE|G/EFA): 20,99%
Crin #Antonescu (supp. #ARo|S&D|EPP): 20,07%
Victor #Ponta: 13,04%
Elena #Lasconi (#USR|RE): 2,68%
Lavinia #Șandru (#PUSL|Centro umanista populista): 0,64%
Daniel #Funeriu: 0,43%
Cristian #Terheș (#PNCR|ECR): 0,39%
Sebastian #Popescu (#PNR|Populisti): 0,28%
John Ion #Banu: 0,23%
Silviu #Predoiu (#PLAN|Centro): 0,18%
Necessario un secondo turno tra Simion e Dan.
In foto, la mappa del voto.
@OsservatorioEsteri