Datasets:
File size: 7,811 Bytes
a70d8b4 | 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 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 | """Helpers de merge pour feature engineering - ISO 5055.
Ce module contient les fonctions de merge extraites de compute_features_for_split
pour réduire la complexité cyclomatique.
Conformité ISO/IEC 5055 (Code Quality).
"""
from __future__ import annotations
import pandas as pd
def merge_player_features(
result: pd.DataFrame,
feature_df: pd.DataFrame,
feature_cols: list[str],
prefix: str = "",
) -> pd.DataFrame:
"""Merge features joueur pour blanc et noir.
Args:
----
result: DataFrame cible
feature_df: DataFrame source avec joueur_nom
feature_cols: Colonnes à merger
prefix: Préfixe optionnel pour les colonnes
Returns:
-------
DataFrame avec features mergées
"""
if feature_df.empty:
return result
for color in ["blanc", "noir"]:
nom_col = f"{color}_nom"
if nom_col not in result.columns:
continue
cols_exist = [c for c in feature_cols if c in feature_df.columns]
if not cols_exist:
continue
col_mapping = {c: f"{prefix}{c}_{color}" for c in cols_exist}
merge_df = feature_df.rename(columns=col_mapping)
result = result.merge(
merge_df[["joueur_nom"] + list(col_mapping.values())],
left_on=nom_col,
right_on="joueur_nom",
how="left",
)
if "joueur_nom" in result.columns:
result = result.drop(columns=["joueur_nom"])
return result
def merge_club_reliability(
result: pd.DataFrame,
club_reliability: pd.DataFrame,
) -> pd.DataFrame:
"""Merge features de fiabilité club.
Args:
----
result: DataFrame cible
club_reliability: DataFrame fiabilité clubs
Returns:
-------
DataFrame avec features mergées
"""
if club_reliability.empty:
return result
club_cols = ["taux_forfait", "taux_non_joue", "fiabilite_score"]
for suffix, col in [("dom", "equipe_dom"), ("ext", "equipe_ext")]:
if col not in result.columns:
continue
merge_df = club_reliability.rename(columns={c: f"{c}_{suffix}" for c in club_cols})
result = result.merge(
merge_df[["equipe"] + [f"{c}_{suffix}" for c in club_cols]],
left_on=col,
right_on="equipe",
how="left",
)
if "equipe" in result.columns:
result = result.drop(columns=["equipe"])
return result
def merge_team_enjeu(
result: pd.DataFrame,
team_enjeu: pd.DataFrame,
) -> pd.DataFrame:
"""Merge features d'enjeu équipe.
Args:
----
result: DataFrame cible
team_enjeu: DataFrame enjeu équipes
Returns:
-------
DataFrame avec features mergées
"""
if team_enjeu.empty or "ronde" not in team_enjeu.columns:
return result
for suffix, col in [("dom", "equipe_dom"), ("ext", "equipe_ext")]:
result = _merge_single_team_enjeu(result, team_enjeu, suffix, col)
return result
def _merge_single_team_enjeu(
result: pd.DataFrame,
team_enjeu: pd.DataFrame,
suffix: str,
col: str,
) -> pd.DataFrame:
"""Merge enjeu pour une equipe (dom ou ext)."""
cols_exist = _get_enjeu_cols(result, team_enjeu, col)
if not cols_exist:
return result
merge_df = team_enjeu.rename(columns={c: f"{c}_{suffix}" for c in cols_exist})
return _execute_enjeu_merge(result, merge_df, suffix, col, cols_exist)
def _get_enjeu_cols(result: pd.DataFrame, team_enjeu: pd.DataFrame, col: str) -> list[str]:
"""Recupere les colonnes d'enjeu disponibles."""
if col not in result.columns or "saison" not in result.columns:
return []
merge_cols = ["zone_enjeu", "niveau_hierarchique", "position"]
return [c for c in merge_cols if c in team_enjeu.columns]
def _execute_enjeu_merge(
result: pd.DataFrame,
merge_df: pd.DataFrame,
suffix: str,
col: str,
cols_exist: list[str],
) -> pd.DataFrame:
"""Execute le merge d'enjeu."""
merge_keys = _get_merge_keys(result, merge_df)
left_keys = [col, "saison"] + (["ronde"] if "ronde" in result.columns else [])
result = result.merge(
merge_df[merge_keys + [f"{c}_{suffix}" for c in cols_exist]].drop_duplicates(),
left_on=left_keys,
right_on=merge_keys,
how="left",
)
if "equipe" in result.columns:
result = result.drop(columns=["equipe"])
return result
def _get_merge_keys(result: pd.DataFrame, merge_df: pd.DataFrame) -> list[str]:
"""Determine les cles de merge."""
merge_keys = ["equipe", "saison"]
if "ronde" in result.columns and "ronde" in merge_df.columns:
merge_keys.append("ronde")
return merge_keys
def merge_noyau_features(
result: pd.DataFrame,
noyau_df: pd.DataFrame,
) -> pd.DataFrame:
"""Merge les features noyau par (joueur, equipe, saison, ronde).
Produit les colonnes:
- est_dans_noyau_blanc / est_dans_noyau_noir
- pct_noyau_equipe_dom / pct_noyau_equipe_ext
Args:
----
result: DataFrame cible avec blanc_nom, noir_nom, equipe_dom,
equipe_ext, saison, ronde
noyau_df: DataFrame depuis extract_noyau_features()
Returns:
-------
DataFrame avec features noyau mergees
"""
if noyau_df.empty:
return result
required = {"joueur_nom", "equipe", "saison", "ronde", "est_dans_noyau", "pct_noyau_match"}
if not required.issubset(noyau_df.columns):
return result
for color, equipe_col in [("blanc", "equipe_dom"), ("noir", "equipe_ext")]:
nom_col = f"{color}_nom"
if nom_col not in result.columns or equipe_col not in result.columns:
continue
rename_map = {
"est_dans_noyau": f"est_dans_noyau_{color}",
"pct_noyau_match": f"pct_noyau_equipe_{'dom' if color == 'blanc' else 'ext'}",
}
sub = noyau_df.rename(columns=rename_map)[
["joueur_nom", "equipe", "saison", "ronde"] + list(rename_map.values())
].drop_duplicates()
result = result.merge(
sub,
left_on=[nom_col, equipe_col, "saison", "ronde"],
right_on=["joueur_nom", "equipe", "saison", "ronde"],
how="left",
)
result = result.drop(columns=["joueur_nom", "equipe"], errors="ignore")
return result
def merge_h2h_features(
result: pd.DataFrame,
h2h: pd.DataFrame,
) -> pd.DataFrame:
"""Merge features head-to-head.
Args:
----
result: DataFrame cible
h2h: DataFrame confrontations directes
Returns:
-------
DataFrame avec features mergées
"""
if h2h.empty:
return result
if "blanc_nom" not in result.columns or "noir_nom" not in result.columns:
return result
def get_h2h_key(row: pd.Series) -> tuple[str, str]:
b, n = str(row["blanc_nom"]), str(row["noir_nom"])
return (b, n) if b < n else (n, b)
result["_h2h_key"] = result.apply(get_h2h_key, axis=1)
h2h["_h2h_key"] = list(zip(h2h["joueur_a"], h2h["joueur_b"], strict=False))
h2h_merge = h2h[["_h2h_key", "nb_confrontations", "avantage_a"]].copy()
result = result.merge(h2h_merge, on="_h2h_key", how="left")
def adjust_h2h(row: pd.Series) -> float:
if pd.isna(row.get("avantage_a")):
return float("nan")
b, n = str(row["blanc_nom"]), str(row["noir_nom"])
return row["avantage_a"] if b < n else -row["avantage_a"]
result["h2h_avantage_blanc"] = result.apply(adjust_h2h, axis=1)
result["h2h_nb_confrontations"] = result["nb_confrontations"]
result = result.drop(columns=["_h2h_key", "nb_confrontations", "avantage_a"], errors="ignore")
return result
|