Datasets:
File size: 3,626 Bytes
ba69f90 | 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 | """Player enrichment from joueurs.parquet - ISO 5055/5259.
Enrichit les echiquiers avec des donnees joueur depuis joueurs.parquet:
- elo_type (F/N/E): type de classement FIDE/National/Estime
- categorie: categorie d'age FFE (U8 -> S65)
- k_coefficient: coefficient K FIDE (10/20/40) selon FIDE 8.3.3
Conformite ISO/IEC:
- 5055: Module <300 lignes, SRP, fonctions <50 lignes
- 5259: Qualite donnees ML, enrichissement depuis source officielle
- 27034: Validation d'entree (Pydantic-style guards)
Document ID: ALICE-FEA-ENRICH-001
Version: 1.0.0
"""
from __future__ import annotations
import logging
from pathlib import Path
import pandas as pd
logger = logging.getLogger(__name__)
_YOUNG_CATS = frozenset(
{
"U8",
"U8F",
"U10",
"U10F",
"U12",
"U12F",
"U14",
"U14F",
"U16",
"U16F",
"U18",
"U18F",
}
)
def enrich_from_joueurs(df_split: pd.DataFrame, joueurs_path: Path) -> None: # noqa: D417
"""Ajoute elo_type, categorie, k_coefficient depuis joueurs.parquet (in-place).
Join par nom_complet <-> blanc_nom / noir_nom.
Vectorise pour eviter apply(axis=1) sur 3.5M lignes.
Args:
----
df_split: DataFrame echiquiers (modifie in-place)
joueurs_path: Path — chemin absolu vers joueurs.parquet
ISO 5259: Enrichissement depuis source officielle FFE.
"""
if not joueurs_path.exists():
logger.warning("joueurs.parquet non trouve: %s — skip enrichissement", joueurs_path)
return
joueur_map = _load_joueur_map(joueurs_path)
if joueur_map.empty:
return
for color in ("blanc", "noir"):
_enrich_color(df_split, joueur_map, color)
logger.info(" Enrichissement joueurs: elo_type, categorie, k_coefficient (blanc + noir)")
def _load_joueur_map(joueurs_path: Path) -> pd.DataFrame:
"""Charge le mapping joueur depuis joueurs.parquet."""
try:
joueurs = pd.read_parquet(
joueurs_path,
columns=["nom_complet", "elo_type", "categorie"],
)
except Exception as exc: # noqa: BLE001
logger.error("Erreur lecture joueurs.parquet: %s", exc)
return pd.DataFrame()
return joueurs.drop_duplicates("nom_complet").set_index("nom_complet")
def _enrich_color(
df_split: pd.DataFrame,
joueur_map: pd.DataFrame,
color: str,
) -> None:
"""Enrichit les colonnes pour une couleur (blanc ou noir)."""
nom_col = f"{color}_nom"
elo_col = f"{color}_elo"
if nom_col not in df_split.columns:
return
df_split[f"elo_type_{color}"] = df_split[nom_col].map(joueur_map["elo_type"]).fillna("")
df_split[f"categorie_{color}"] = df_split[nom_col].map(joueur_map["categorie"]).fillna("")
if elo_col not in df_split.columns:
df_split[f"k_coefficient_{color}"] = 20
return
_compute_k_vectorized(df_split, color, elo_col)
def _compute_k_vectorized(
df_split: pd.DataFrame,
color: str,
elo_col: str,
) -> None:
"""Calcule k_coefficient via operations vectorisees (FIDE 8.3.3).
Ordre d'application:
1. Defaut = 20
2. Si elo >= 2400 → 10 (prend precedence sur jeune)
3. Si categorie jeune ET elo < 2300 → 40
"""
cat_col = f"categorie_{color}"
k_col = f"k_coefficient_{color}"
elo = df_split[elo_col].fillna(0)
df_split[k_col] = 20
# K=40: joueur jeune avec elo < 2300
is_young = df_split[cat_col].isin(_YOUNG_CATS)
df_split.loc[is_young & (elo < 2300), k_col] = 40
# K=10: elite (prend precedence)
df_split.loc[elo >= 2400, k_col] = 10
|