Datasets:
File size: 3,732 Bytes
8809e34 | 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 | """Features de stratégie de composition et contexte match.
- Stratégie composition 100 pts (A02 Art. 3.6.e)
- Avantage domicile
- Titre FIDE numérique
ISO Compliance:
- ISO/IEC 5055:2021 - Code Quality (<300 lignes, SRP)
- ISO/IEC 5259:2024 - Data Quality for ML
"""
from __future__ import annotations
import logging
import pandas as pd
logger = logging.getLogger(__name__)
TITLE_MAP = {"GM": 5, "IM": 4, "FM": 3, "CM": 2, "WGM": 4, "WIM": 3, "WFM": 2, "": 0}
def extract_title_features(df: pd.DataFrame) -> pd.DataFrame:
"""Titre FIDE numérique + différentiel titre.
GM=5, IM=4, FM=3, CM=2, WGM=4, WIM=3, WFM=2, ""=0.
"""
result = pd.DataFrame(index=df.index)
result["blanc_titre_num"] = df["blanc_titre"].map(TITLE_MAP).fillna(0).astype(int)
result["noir_titre_num"] = df["noir_titre"].map(TITLE_MAP).fillna(0).astype(int)
result["diff_titre"] = result["blanc_titre_num"] - result["noir_titre_num"]
logger.info(" %d lignes avec features titre", len(result))
return result
def extract_home_feature(df: pd.DataFrame) -> pd.DataFrame:
"""Bool domicile pour le joueur blanc."""
result = pd.DataFrame(index=df.index)
result["est_domicile_blanc"] = (df["blanc_equipe"] == df["equipe_dom"]).astype(int)
logger.info(" %d lignes avec feature domicile", len(result))
return result
def extract_composition_strategy(df_played: pd.DataFrame) -> pd.DataFrame:
"""Décalage de position par rapport à l'ordre Elo strict.
Pour chaque joueur dans un match, calcule la différence entre
sa position réelle (échiquier) et sa position naturelle
(rang par Elo décroissant dans la composition de son équipe).
A02 Art. 3.6.e: inversion autorisée si écart < 100 pts.
"""
# Construire les compositions dom + ext séparément
dom = _composition_shift(df_played, "equipe_dom", "blanc")
ext = _composition_shift(df_played, "equipe_ext", "noir")
result = pd.concat([dom, ext], ignore_index=True)
logger.info(" %d joueurs avec features composition", len(result))
return result
def _composition_shift(
df: pd.DataFrame,
equipe_col: str,
color: str,
) -> pd.DataFrame:
"""Calcule le décalage position pour une couleur/équipe."""
elo_col = f"{color}_elo"
nom_col = f"{color}_nom"
# Filtrer les lignes de cette équipe/couleur avec Elo > 0
mask = df[elo_col] > 0
sub = df.loc[
mask,
[
"saison",
"competition",
"division",
"groupe",
"ronde",
equipe_col,
"echiquier",
elo_col,
nom_col,
],
].copy()
if sub.empty:
return pd.DataFrame(
columns=["nom", "decalage_position", "joueur_decale_haut", "joueur_decale_bas"]
)
# Rang naturel = rang par Elo décroissant DANS chaque composition
group_cols = ["saison", "competition", "division", "groupe", "ronde", equipe_col]
sub["rang_naturel"] = (
sub.groupby(group_cols)[elo_col]
.rank(
ascending=False,
method="min",
)
.astype(int)
)
sub["rang_reel"] = (
sub.groupby(group_cols)["echiquier"]
.rank(
ascending=True,
method="min",
)
.astype(int)
)
sub["decalage_position"] = sub["rang_reel"] - sub["rang_naturel"]
return pd.DataFrame(
{
"nom": sub[nom_col].values,
"decalage_position": sub["decalage_position"].values,
"joueur_decale_haut": (sub["decalage_position"] < 0).astype(int).values,
"joueur_decale_bas": (sub["decalage_position"] > 0).astype(int).values,
}
)
|