Datasets:
File size: 4,019 Bytes
9ed1423 | 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 | """Features zones d'enjeu équipe - ISO 5055/5259.
Ce module calcule les zones d'enjeu (promotion/maintien) par équipe.
Conformité:
- ISO 5055: Module <300 lignes, responsabilité unique
- ISO 5259: Zone basée sur position réelle
"""
from __future__ import annotations
import logging
import pandas as pd
from scripts.ffe_rules_features import calculer_zone_enjeu, get_niveau_equipe
logger = logging.getLogger(__name__)
def extract_team_enjeu_features(
df: pd.DataFrame,
standings: pd.DataFrame,
) -> pd.DataFrame:
"""Extrait les features de zone d'enjeu par équipe et saison.
CORRIGÉ: Utilise position réelle calculée depuis les scores.
Args:
----
df: DataFrame échiquiers avec colonnes ronde, saison
standings: DataFrame classement calculé
Returns:
-------
DataFrame avec zone_enjeu par équipe/saison/ronde
ISO 5259: Zone d'enjeu basée sur position réelle, pas estimée.
"""
logger.info("Extraction features zones d'enjeu (position réelle)...")
if df.empty:
return pd.DataFrame()
if "ronde" not in df.columns or "saison" not in df.columns:
logger.warning(" Colonnes ronde/saison manquantes, skip zones enjeu")
return pd.DataFrame()
if standings.empty:
logger.warning(" Classement vide, fallback estimation")
return extract_team_enjeu_fallback(df)
# Enrichir avec zone d'enjeu
features_data = []
for _, row in standings.iterrows():
division = str(row["division"]) if row["division"] else "N4"
zone = calculer_zone_enjeu(row["position"], row["nb_equipes"], division)
features_data.append(
{
"equipe": row["equipe"],
"saison": row["saison"],
"competition": row["competition"],
"division": row["division"],
"groupe": row["groupe"],
"ronde": row["ronde"],
"position": row["position"],
"points_cumules": row["points_cumules"],
"nb_equipes": row["nb_equipes"],
"ecart_premier": row["ecart_premier"],
"ecart_dernier": row["ecart_dernier"],
"zone_enjeu": zone,
"niveau_hierarchique": get_niveau_equipe(str(row["equipe"])),
}
)
result = pd.DataFrame(features_data)
logger.info(f" {len(result)} équipes/rondes avec zones enjeu réelles")
return result
def extract_team_enjeu_fallback(df: pd.DataFrame) -> pd.DataFrame:
"""Fallback si calcul classement impossible (données incomplètes).
ISO 5259: Marque explicitement comme estimation (is_fallback=True).
"""
logger.warning(" Utilisation fallback zone enjeu (estimation)")
features_data = []
for equipe_col in ["equipe_dom", "equipe_ext"]:
if equipe_col not in df.columns:
continue
for (equipe, saison), group in df.groupby([equipe_col, "saison"]):
division = str(equipe).split()[0] if equipe else "N4"
niveau = get_niveau_equipe(str(equipe))
nb_equipes = 10 if niveau <= 4 else 8
# Fallback: position estimée mi-tableau
position_estimee = nb_equipes // 2
zone = calculer_zone_enjeu(position_estimee, nb_equipes, division)
features_data.append(
{
"equipe": equipe,
"saison": saison,
"zone_enjeu": zone,
"niveau_hierarchique": niveau,
"nb_rondes": group["ronde"].nunique() if "ronde" in group.columns else 0,
"position": position_estimee,
"nb_equipes": nb_equipes,
"is_fallback": True, # ISO 5259: marqué comme estimation
}
)
result = pd.DataFrame(features_data)
if len(result) > 0:
result = result.drop_duplicates(subset=["equipe", "saison"])
return result
|