Datasets:
File size: 4,403 Bytes
b8731ca | 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 | """Features comportement club — stabilite effectif, noyau, rotation.
Features specifiees dans FEATURE_SPECIFICATION.md §10.
Ajout features §14 (renforce_fin_saison, avantage_dom_club,
club_utilise_marge_100).
Conformite ISO/IEC:
- 5055: Code maintenable (<300 lignes, SRP)
- 5259: Qualite donnees ML
"""
from __future__ import annotations
import logging
import pandas as pd
logger = logging.getLogger(__name__)
_PLAYED_RESULTS = frozenset(
{
"victoire_blanc",
"victoire_noir",
"nulle",
"victoire_blanc_ajournement",
"victoire_noir_ajournement",
}
)
def extract_club_behavior(df_history: pd.DataFrame) -> pd.DataFrame:
"""Calcule les features de comportement du club par saison.
Returns
-------
DataFrame avec colonnes: equipe, saison,
nb_joueurs_utilises, rotation_effectif, noyau_stable,
profondeur_effectif, renforce_fin_saison,
avantage_dom_club, club_utilise_marge_100
"""
if df_history.empty or "equipe_dom" not in df_history.columns:
return pd.DataFrame()
rows = []
for (equipe, saison), group in df_history.groupby(["equipe_dom", "saison"]):
_process_club(group, str(equipe), int(saison), rows)
result = pd.DataFrame(rows)
if result.empty:
return result
result = result.groupby(["equipe", "saison"]).first().reset_index()
logger.info(" %d clubs avec features comportement", len(result))
return result
def _process_club(
group: pd.DataFrame,
equipe: str,
saison: int,
rows: list,
) -> None:
"""Traite un club (equipe_dom) pour une saison."""
nom_col = "blanc_nom"
if nom_col not in group.columns:
return
nb_rondes = group["ronde"].nunique()
if nb_rondes == 0:
return
joueurs = group[nom_col].value_counts()
nb_joueurs = len(joueurs)
noyau = int((joueurs >= nb_rondes * 0.8).sum())
rotation = group.groupby("ronde")[nom_col].nunique().mean()
renforce = _calc_renforce_fin_saison(group)
avantage_dom = _calc_avantage_dom(group)
marge_100 = _calc_marge_100(group)
rows.append(
{
"equipe": equipe,
"saison": saison,
"nb_joueurs_utilises": nb_joueurs,
"rotation_effectif": round(float(rotation), 2),
"noyau_stable": noyau,
"profondeur_effectif": nb_joueurs,
"renforce_fin_saison": renforce,
"avantage_dom_club": avantage_dom,
"club_utilise_marge_100": marge_100,
}
)
def _calc_renforce_fin_saison(group: pd.DataFrame) -> int:
"""Bool: le club joue un ELO moyen plus eleve en fin saison (R7+) qu'en debut (R1-R3)."""
elo_col = "blanc_elo"
if elo_col not in group.columns or "ronde" not in group.columns:
return 0
debut = group[group["ronde"] <= 3][elo_col].mean()
fin = group[group["ronde"] >= 7][elo_col].mean()
if pd.isna(debut) or pd.isna(fin):
return 0
return int(fin > debut)
def _calc_avantage_dom(group: pd.DataFrame) -> float:
"""Taux de victoire a domicile (parties jouees uniquement)."""
if "type_resultat" not in group.columns:
return 0.0
played = group[group["type_resultat"].isin(_PLAYED_RESULTS)]
if len(played) == 0:
return 0.0
victoires_dom = (
played["type_resultat"].isin({"victoire_blanc", "victoire_blanc_ajournement"})
).sum()
return round(float(victoires_dom) / len(played), 3)
def _calc_marge_100(group: pd.DataFrame) -> float:
"""Ratio de compositions ou le club utilise la marge 100 pts (decalages)."""
if "blanc_elo" not in group.columns or "echiquier" not in group.columns:
return 0.0
rondes = group["ronde"].unique()
if len(rondes) == 0:
return 0.0
nb_utilise = 0
for ronde in rondes:
match = group[group["ronde"] == ronde].sort_values("echiquier")
if len(match) < 2:
continue
if _has_inversion(match):
nb_utilise += 1
return round(nb_utilise / len(rondes), 3)
def _has_inversion(match: pd.DataFrame) -> bool:
"""Verifie si le classement Elo n'est pas respecte (inversion < 100 pts)."""
elos = match["blanc_elo"].fillna(0).tolist()
for i in range(len(elos) - 1):
if elos[i] < elos[i + 1] and (elos[i + 1] - elos[i]) < 100:
return True
return False
|