From fb2d2944596538de2764f87b11eea1fb462f52ad Mon Sep 17 00:00:00 2001 From: q Date: Tue, 30 Jun 2026 09:54:59 +0300 Subject: [PATCH] update doc --- README.md | 107 +++++++++------ РАЗБОР_КОДА.md | 365 ++++++++++++++++++++++++------------------------- 2 files changed, 247 insertions(+), 225 deletions(-) diff --git a/README.md b/README.md index 11b035a..805a925 100644 --- a/README.md +++ b/README.md @@ -1,9 +1,9 @@ # Летняя практика — Турнирные таблицы КХЛ Проект анализирует результаты матчей регулярного чемпионата КХЛ за сезоны -**2018/19 – 2021/22** и строит по ним турнирные таблицы и графики. -Основной инструмент — библиотека **pandas** (работа с таблицами) и -**matplotlib** (графики). +**2018/19 – 2021/22** и строит по ним турнирные таблицы и график. +Основные инструменты — библиотека **pandas** (работа с таблицами) и +**matplotlib** (график). --- @@ -12,11 +12,9 @@ | Файл / папка | Назначение | |---|---| | `main.py` | Основная программа: строит полную турнирную таблицу чемпионата и таблицы по конференциям (Запад / Восток). | -| `individual_1.py` | Индивидуальное задание: гистограмма набранных очков по командам. | -| `individual_4.py` | Индивидуальное задание: гистограмма всего заброшенных шайб за сезон. | -| `individual_5.py` | Индивидуальное задание: гистограмма разницы шайб конкретной команды в заданном периоде по датам. | -| `khl_3/` | Исходные данные — CSV-файлы матчей (кодировка UTF-8). | -| `khl_3_win/` | Те же данные в кодировке UTF-8 **с BOM** — открываются в Excel без «кракозябр». | +| `divisions.py` | Отдельный модуль: добавляет деление на **дивизионы** и **правило посева** победителей дивизионов. Логику расчёта берёт из `main.py`, сам `main.py` не меняет. | +| `3.py` | Задание №3: **график** разницы заброшенных и пропущенных шайб одной команды по ходу сезона. | +| `khl_3/` | Исходные данные — CSV-файлы матчей (4 сезона, кодировка UTF-8). | ### Формат исходных данных (CSV) @@ -28,6 +26,8 @@ * `Команда_1` — хозяева, `Команда_2` — гости. * `Период_1..3`, `Овертайм`, `Буллиты` — счёт в формате `хозяева:гости`. * Пустой `:` означает, что период не игрался (нет овертайма/буллитов). +* **Технические результаты** записаны знаками: `+ — -` (техпобеда хозяев) и + `- — +` (техпобеда гостей). Встречаются в сезоне 2020/21. --- @@ -39,18 +39,16 @@ pip install pandas numpy matplotlib # Полная турнирная таблица + таблицы по конференциям python3 main.py khl_3/khl_2018_19.csv -# Гистограмма очков (по желанию — сохранить в файл) -python3 individual_1.py khl_3/khl_2018_19.csv [output.png] +# Таблицы по конференциям с дивизионами и посевом победителей дивизионов +python3 divisions.py khl_3/khl_2020_21.csv -# Гистограмма заброшенных шайб -python3 individual_4.py khl_3/khl_2018_19.csv - -# Разница шайб команды в N-м периоде по датам -python3 individual_5.py khl_3/khl_2018_19.csv 2 "Ак Барс" [output.png] +# График разницы шайб одной команды по датам (сохраняется в diff_<команда>.png) +python3 3.py khl_3/khl_2018_19.csv "ЦСКА" ``` -> Имя файла важно: `main.py` достаёт код сезона (`2018_19`) из имени `khl_2018_19.csv`, -> чтобы понять, какие команды в какой конференции играли. +> Имя файла важно: программы достают код сезона (`2018_19`) из имени +> `khl_2018_19.csv`, чтобы понять, какие команды в какой конференции (и дивизионе) +> играли. --- @@ -61,7 +59,8 @@ python3 individual_5.py khl_3/khl_2018_19.csv 2 "Ак Барс" [output.png] **Шаг 1. `parse_score(df, col)`** — разбирает строку счёта `"3:1"` на два числа. `str.split(':', expand=True)` раскладывает столбец в два, `to_numeric(..., errors='coerce')` -превращает текст в числа, а пустой период (`:`) через `fillna(0)` считается как `0:0`. +превращает текст в числа, а пустой период (`:`) или знаки техрезультата через +`fillna(0)` считаются как `0`. **Шаг 2. `build_standings(df, conf_map)`** — превращает список матчей в таблицу команд: @@ -69,14 +68,17 @@ python3 individual_5.py khl_3/khl_2018_19.csv 2 "Ак Барс" [output.png] 2. Определяет **тип исхода** каждого матча сравнением столбцов: победа в основное время / в овертайме / по буллитам — и аналогично поражения. Победителю по буллитам добавляется ровно 1 решающая шайба. -3. **«Разворачивает» матч в две строки** — взгляд хозяев и взгляд гостей — +3. Отдельно обрабатывает **технические результаты** (`+ — -` / `- — +`): + засчитывает их как победу/поражение в основное время, но шайбы не начисляет (0:0). +4. **«Разворачивает» матч в две строки** — взгляд хозяев и взгляд гостей — и склеивает их (`pd.concat`). Теперь у каждой команды по строке на матч. -4. `groupby('Команда').sum()` суммирует все показатели по командам. -5. Считает производные показатели: +5. `groupby('Команда').sum()` суммирует все показатели по командам. +6. Считает производные показатели: * **И** — игры, **О** — очки (победа = 2, поражение в ОТ/буллитах = 1), * **Р** — разница шайб, **%О** — процент набранных очков. - * `%О` считается с **отбрасыванием** знаков (`np.floor`), как на сайте КХЛ, а не округлением. -6. Сортирует по регламенту КХЛ: `%О → В → ВО → ВБ → Р → ГЗ`. + * `%О` считается **в целых числах** (`* 10000 // (2*И) / 100`) с отбрасыванием + знаков, как на сайте КХЛ, — без округления и без ошибок float (57.00 не съезжает в 56.99). +7. Сортирует по регламенту КХЛ: `%О → В → ВО → ВБ → Р → ГЗ`. **Шаг 3. `show_table` и `main`** — печатают полную таблицу, затем отдельно конференции Запад и Восток (фильтр по столбцу `Конф`). @@ -90,23 +92,40 @@ python3 individual_5.py khl_3/khl_2018_19.csv 2 "Ак Барс" [output.png] --- -## 4. Индивидуальные задания +## 4. Дополнительные файлы -* **`individual_1.py`** — переиспользует `parse_score` из `main.py`, считает очки - каждой команды и строит **столбчатую диаграмму очков**. Поддерживает сохранение в PNG. -* **`individual_4.py`** — суммирует все заброшенные шайбы каждой команды за сезон - и строит гистограмму с подписями значений над столбцами. -* **`individual_5.py`** — фильтрует матчи одной команды, считает **разницу шайб - в выбранном периоде** по датам. Столбцы раскрашены: зелёный (плюс), красный (минус), - серый (ноль); добавлена линия нуля и сетка. +### `divisions.py` — дивизионы и посев + +В части сезонов КХЛ (2018/19–2020/21) действовало правило: **победители двух +дивизионов получают места 1 и 2 в конференции**, даже если по очкам они не в топ-2. +Например, в 2020/21 на Западе СКА (82 очка) стоит выше Динамо М (84) и +Локомотива (83) — СКА выиграл дивизион Боброва. В сезоне 2021/22 это правило +отменили (чистый порядок по %О). + +`divisions.py`: +* переиспользует `build_standings` и `CONFERENCES` из `main.py` (не дублируя логику и + **не изменяя** `main.py`); +* словарь `DIVISIONS` задаёт состав четырёх дивизионов (Боброва, Тарасова — Запад; + Харламова, Чернышёва — Восток) по каждому сезону; +* `SEED_BY_DIVISION` включает посев только там, где он применялся; +* `seed_conference` поднимает победителей дивизионов на места 1–2; +* выводит таблицы конференций с дополнительным столбцом `Див`. + +### `3.py` — график разницы шайб + +Задание №3: строит **график** разницы заброшенных и пропущенных шайб одной команды +по датам матчей. Считает голы в каждом матче (`match_goals`, та же логика подсчёта, +что в `main.py`, включая зануление технических результатов), разносит матч на взгляд +хозяев и гостей, оставляет нужную команду, рисует линию «забито − пропущено» по дате +и сохраняет картинку `diff_<команда>.png`. --- ## 5. Материал к защите **О чём проект.** По «сырым» результатам матчей КХЛ автоматически строится -официальная турнирная таблица и набор графиков. Цель — освоить обработку -табличных данных в pandas и визуализацию в matplotlib. +официальная турнирная таблица, таблицы с дивизионами и график. Цель — освоить +обработку табличных данных в pandas и визуализацию в matplotlib. **Ключевые идеи, которые стоит назвать на защите:** @@ -118,17 +137,21 @@ python3 individual_5.py khl_3/khl_2018_19.csv 2 "Ак Барс" [output.png] 3. **Булевы маски.** Тип исхода (победа/поражение и как именно) — это столбцы `True/False`, которые переводятся в `1/0` через `.astype(int)` и суммируются. 4. **Точное соответствие регламенту КХЛ.** Система очков (2/1/0), добавление шайбы - за буллиты, отбрасывание (а не округление) процента очков, порядок критериев сортировки. -5. **Переиспользование кода.** `individual_1.py` импортирует функции из `main.py`, - чтобы не дублировать логику разбора счёта. + за буллиты, технические результаты, целочисленный (без округления) процент очков, + порядок критериев сортировки, посев победителей дивизионов. +5. **Переиспользование кода.** `divisions.py` и `3.py` опираются на логику из `main.py`, + чтобы не дублировать разбор счёта и расчёт таблицы. **Возможные вопросы и ответы:** * *Почему пустой период = 0:0?* — Овертайм/буллиты есть не во всех матчах; `fillna(0)` делает расчёт единообразным. -* *Почему `np.floor`, а не `round`?* — Сайт КХЛ отбрасывает знаки после второго - (72.448 → 72.44), а не округляет. -* *Зачем папка `khl_3_win`?* — то же содержимое, но с BOM, чтобы Excel правильно - показывал кириллицу. -* *Как добавить новый сезон?* — добавить CSV в `khl_3/` и описать конференции - в словаре `CONFERENCES` внутри `main.py`. +* *Почему %О считается в целых числах, а не через `round`?* — Сайт КХЛ отбрасывает + знаки после второго (а не округляет), и целочисленная арифметика не даёт ошибок + float (57.00 вместо 56.99...). +* *Как обрабатываются технические результаты?* — `+ — -` / `- — +` засчитываются как + победа/поражение в основное время, но без шайб (0:0), как в КХЛ. +* *Почему дивизионы в отдельном файле?* — чтобы не усложнять `main.py`; `divisions.py` + переиспользует его функции, ничего в нём не меняя. +* *Как добавить новый сезон?* — добавить CSV в `khl_3/`, описать конференции в + `CONFERENCES` (в `main.py`) и при необходимости дивизионы в `DIVISIONS` (в `divisions.py`). diff --git a/РАЗБОР_КОДА.md b/РАЗБОР_КОДА.md index 1d022f2..3c3147e 100644 --- a/РАЗБОР_КОДА.md +++ b/РАЗБОР_КОДА.md @@ -1,7 +1,8 @@ # Разбор кода построчно (для защиты) -Здесь разобрана **каждая строка** всех файлов и **каждая функция из библиотек** -(pandas, numpy, matplotlib, sys, os). Читается сверху вниз — можно отвечать прямо по тексту. +Здесь разобраны три файла проекта — **`main.py`**, **`divisions.py`**, **`3.py`** — +и **каждая функция из библиотек** (pandas, numpy, matplotlib, sys, os). +Читается сверху вниз — можно отвечать прямо по тексту. --- @@ -11,45 +12,45 @@ ### `sys` и `os` (стандартная библиотека Python) * `sys.argv` — список аргументов командной строки. `sys.argv[0]` — имя скрипта, `sys.argv[1]` — первый аргумент и т.д. -* `sys.exit(1)` — завершить программу с кодом ошибки 1 (ненулевой код = «завершилось с ошибкой»). * `os.path.basename(path)` — берёт из пути `khl_3/khl_2018_19.csv` только имя файла `khl_2018_19.csv`. -* `os.path.isfile(path)` — возвращает `True`, если файл существует. +* `os.path.abspath(path)` / `os.path.dirname(path)` — полный путь к файлу / папка, в которой он лежит. Нужны в `divisions.py`, чтобы найти `main.py` рядом с собой. ### `pandas` (сокращённо `pd`) — работа с таблицами * `pd.read_csv(path)` — читает CSV-файл в **DataFrame** (таблицу). * **DataFrame** — двумерная таблица (строки × столбцы). `df['Столбец']` — это один столбец (объект **Series**). * **Series** — один столбец таблицы: массив значений с индексом (номерами/подписями строк). * `df[col].str.split(':', expand=True)` — у строкового столбца разбивает каждую ячейку по `:`; `expand=True` раскладывает результат в несколько столбцов. +* `df[col].astype(str).str.strip()` — приводит столбец к тексту и убирает пробелы по краям. +* `series.str.startswith('+')` / `series.str.endswith('+')` — маска `True/False`: начинается/заканчивается ли строка на `+`. * `pd.to_numeric(series, errors='coerce')` — превращает текст в числа; `errors='coerce'` ставит `NaN` (пусто), если значение не число. * `series.fillna(0)` — заменяет пустые значения `NaN` на 0. +* `series.where(условие, 0)` — оставляет значение, где условие `True`, иначе ставит 0. * `pd.DataFrame({...})` — создаёт новую таблицу из словаря `{'имя столбца': данные}`. * `pd.concat([df1, df2], ignore_index=True)` — склеивает таблицы одну под другой; `ignore_index=True` перенумеровывает строки заново. * `series.astype(int)` — переводит тип в целые числа (в т.ч. `True/False → 1/0`). * `df.groupby('Команда').sum()` — группирует строки по командам и складывает числа внутри каждой группы. +* `df.groupby('Див', sort=False).head(1)` — берёт первую строку каждой группы (`sort=False` — не пересортировывать группы). * `df[cols].sum(axis=1)` — сумма по строке (вдоль столбцов). `axis=0` — по столбцу. * `df.sort_values(by=[...], ascending=False)` — сортирует строки по указанным столбцам (по убыванию). * `series.map(словарь)` — заменяет каждое значение по словарю (ключ → значение). * `df.copy()` — делает независимую копию таблицы (чтобы не менять оригинал). +* `df.drop(индексы)` — выбрасывает строки с указанными индексами. * `df.insert(позиция, 'имя', данные)` — вставляет новый столбец на заданную позицию. * `df.to_string(index=False)` — превращает таблицу в текст для печати; `index=False` — без столбца индекса. * `df.index` — подписи строк (здесь — названия команд после `groupby`). +* `pd.to_datetime(series)` — превращает текст с датой в настоящую дату (чтобы ось X шла по времени). ### `numpy` (сокращённо `np`) — числовые операции -* `np.floor(x)` — округление **вниз** (отбрасывание дробной части): `72.99 → 72`. -* `np.arange(1, N+1)` — массив чисел `[1, 2, ..., N]`. -* `np.sign(x)` — знак числа: `-1`, `0` или `1`. +* `np.arange(1, N+1)` — массив чисел `[1, 2, ..., N]` (для нумерации мест). ### `matplotlib.pyplot` (сокращённо `plt`) — графики -* `plt.figure(figsize=(ш, в))` — создаёт новый холст графика заданного размера в дюймах. -* `plt.bar(x, y, color=...)` — столбчатая диаграмма. -* `plt.title / plt.xlabel / plt.ylabel` — заголовок и подписи осей. -* `plt.xticks(rotation=..., ha=...)` — настройка подписей оси X (поворот, выравнивание). -* `plt.yticks(range(...))` — какие деления показывать на оси Y. -* `plt.grid(axis='y', alpha=...)` — координатная сетка (`alpha` — прозрачность). -* `plt.axhline(0, ...)` — горизонтальная линия на уровне 0. -* `plt.text(x, y, текст, ...)` — подпись в точке графика. -* `plt.tight_layout()` — автоматически подбирает отступы, чтобы подписи не обрезались. -* `plt.savefig(path, dpi=200)` — сохранить график в файл. +* `plt.subplots(figsize=(ш, в))` — создаёт холст (`fig`) и оси (`ax`) заданного размера в дюймах. +* `ax.plot(x, y, marker='o')` — линия с точками-маркерами. +* `ax.axhline(0, ...)` — горизонтальная линия на уровне 0. +* `ax.set_title / set_xlabel / set_ylabel` — заголовок и подписи осей. +* `ax.grid(True, alpha=...)` — координатная сетка (`alpha` — прозрачность). +* `fig.autofmt_xdate()` — автоматически поворачивает подписи дат, чтобы не слипались. +* `fig.savefig(path, dpi=150, bbox_inches='tight')` — сохранить график в файл (`tight` — обрезать поля). * `plt.show()` — показать график в окне. --- @@ -60,7 +61,7 @@ import sys # доступ к аргументам командной строки (sys.argv) import os # работа с путями файлов (os.path.basename) import pandas as pd # таблицы (DataFrame); pd — общепринятое сокращение -import numpy as np # числовые операции (np.floor, np.arange) +import numpy as np # числовые операции (np.arange для нумерации мест) ``` ### Функция `make_conf` — собирает словарь «команда → конференция» @@ -92,12 +93,12 @@ CONFERENCES = { ```python def parse_score(df, col): parts = df[col].str.split(':', expand=True) # "3:1" -> два столбца: ["3"], ["1"] - home = pd.to_numeric(parts[0], errors='coerce').fillna(0)# левое число -> голы хозяев; пусто -> 0 - away = pd.to_numeric(parts[1], errors='coerce').fillna(0)# правое число -> голы гостей; пусто -> 0 + home = pd.to_numeric(parts[0], errors='coerce').fillna(0)# левое число -> голы хозяев; пусто/знак -> 0 + away = pd.to_numeric(parts[1], errors='coerce').fillna(0)# правое число -> голы гостей; пусто/знак -> 0 return home, away # возвращаем два столбца (Series) ``` * `parts[0]` / `parts[1]` — первый и второй столбцы результата split. -* Пустой период `:` после split даёт пустые строки → `to_numeric` делает `NaN` → `fillna(0)` ставит 0. +* Пустой период `:` или знаки техрезультата (`+ — -`) после split не превращаются в число → `to_numeric` делает `NaN` → `fillna(0)` ставит 0. ### Функция `build_standings` — главный расчёт таблицы @@ -127,19 +128,37 @@ def build_standings(df, conf_map): ```python win_home_ot = tie & (oth > ota) # была ничья И хозяева забили в ОТ -> победа в овертайме win_away_ot = tie & (ota > oth) # ничья И гости забили в ОТ -``` -`&` — поэлементное «И» для булевых столбцов (обе маски должны быть True в одной строке). - -```python win_home_so = tie & (oth == ota) & (soh > soa) # ничья + ОТ ничейный -> буллиты выиграли хозяева win_away_so = tie & (oth == ota) & (soa > soh) # буллиты выиграли гости ``` +`&` — поэлементное «И» для булевых столбцов (обе маски должны быть True в одной строке). + +**Технические результаты** (неявка/отмена матча): + +```python + p1 = df['Период_1'].astype(str).str.strip() + tech_home = p1.str.startswith('+') # "+ — -": техническая победа хозяев + tech_away = p1.str.endswith('+') # "- — +": техническая победа гостей + tech = tech_home | tech_away +``` +В файле такой матч записан не цифрами, а знаками, поэтому обычная классификация выше сочла его «ничьёй 0:0». Перекрываем её: + +```python + win_home_reg = (win_home_reg & ~tech) | tech_home # технический матч -> победа/поражение в осн. время + win_away_reg = (win_away_reg & ~tech) | tech_away + win_home_ot = win_home_ot & ~tech # и снимаем ошибочные «ОТ/буллиты» + win_away_ot = win_away_ot & ~tech + win_home_so = win_home_so & ~tech + win_away_so = win_away_so & ~tech +``` +* `~tech` — поэлементное «НЕ» (инвертирует маску): «это НЕ технический матч». +* КХЛ засчитывает техрезультат как победу/поражение в основное время (2 и 0 очков), но шайбы не начисляет — поэтому ниже голы у такого матча останутся 0:0. ```python goals_home = reg_h + oth + win_home_so.astype(int) # все шайбы хозяев: основное + ОТ + 1 за выигр. буллиты goals_away = reg_a + ota + win_away_so.astype(int) # все шайбы гостей ``` -`win_home_so.astype(int)` — `True/False` превращаем в `1/0`, чтобы прибавить как число. +`win_home_so.astype(int)` — `True/False` превращаем в `1/0`, чтобы прибавить как число. У технического матча все слагаемые равны 0, поэтому шайб нет. ```python home = pd.DataFrame({ # таблица «глазами хозяев»: одна строка = один матч @@ -160,16 +179,10 @@ def build_standings(df, conf_map): ```python both = pd.concat([home, away], ignore_index=True) # склеиваем обе таблицы в одну -``` - -```python flag_cols = ['В', 'ВО', 'ВБ', 'ПБ', 'ПО', 'П'] # столбцы-исходы both[flag_cols] = both[flag_cols].astype(int) # True/False -> 1/0 (чтобы суммировать) both[['ГЗ', 'ГП']] = both[['ГЗ', 'ГП']].astype(int)# голы делаем целыми (после fillna были дробными) -``` - -```python - table = both.groupby('Команда').sum() # группируем по команде и складываем все числа + table = both.groupby('Команда').sum() # группируем по команде и складываем все числа ``` После этого индекс таблицы — названия команд, а в ячейках — суммы за сезон. @@ -180,9 +193,9 @@ def build_standings(df, conf_map): ``` ```python - table['%О'] = np.floor(table['О'] / (2 * table['И']) * 10000) / 100 + table['%О'] = (table['О'] * 10000 // (2 * table['И'])) / 100 ``` -Процент очков = очки / максимум (2 за игру). `np.floor(...*10000)/100` **отбрасывает** знаки до сотых (как сайт КХЛ), а не округляет. +Процент очков = очки / максимум (2 за игру). Считается **в целых числах**: умножаем на 10000, делим **нацело** (`//`) на `2*И` — дробная часть отбрасывается (как на сайте КХЛ), потом делим на 100. Целочисленная арифметика не даёт ошибок float, поэтому ровные значения (57.00) не съезжают в 56.99. ```python table['Конф'] = pd.Series(table.index, index=table.index).map(conf_map) @@ -237,89 +250,115 @@ main() # запуск програ --- -## `individual_1.py` — гистограмма очков +## `divisions.py` — дивизионы и посев победителей дивизионов + +Зачем нужен: в сезонах 2018/19–2020/21 победители двух дивизионов занимали места 1–2 +в конференции, даже если по очкам были ниже. `main.py` этого не делает, поэтому правило +вынесено в **отдельный файл**, а `main.py` не трогается. ```python -import os, sys -import matplotlib.pyplot as plt +import sys +import os import pandas as pd -import main as mn # импортируем main.py как модуль mn -> переиспользуем parse_score +import numpy as np ``` +### Переиспользование логики из `main.py` + ```python -def calculate_team_points(filename): - df = pd.read_csv(filename) - h1,a1 = mn.parse_score(df,'Период_1') # тот же разбор счёта, что в main.py - h2,a2 = mn.parse_score(df,'Период_2') - h3,a3 = mn.parse_score(df,'Период_3') - oth,ota = mn.parse_score(df,'Овертайм') - soh,soa = mn.parse_score(df,'Буллиты') - - home_goals = h1+h2+h3 # голы хозяев в основное время - away_goals = a1+a2+a3 # голы гостей - tie = home_goals == away_goals # маска ничьей в основное время - - home_win = (home_goals > away_goals) | (tie & ((oth>ota) | ((oth==ota)&(soh>soa)))) # победа хозяев любым способом - away_win = (away_goals > home_goals) | (tie & ((ota>oth) | ((oth==ota)&(soa>soh)))) # победа гостей - home_overtime_loss = tie & ((ota>oth) | ((oth==ota)&(soa>soh))) # хозяева проиграли в ОТ/буллитах -> 1 очко - away_overtime_loss = tie & ((oth>ota) | ((oth==ota)&(soh>soa))) # гости проиграли в ОТ/буллитах - - home_points = 2*home_win.astype(int) + home_overtime_loss.astype(int) # очки хозяев за каждый матч - away_points = 2*away_win.astype(int) + away_overtime_loss.astype(int) # очки гостей - - points = pd.concat([ # снова приём «две строки на матч» - pd.DataFrame({'Команда': df['Команда_1'], 'О': home_points}), - pd.DataFrame({'Команда': df['Команда_2'], 'О': away_points}), - ]) - return points.groupby('Команда')['О'].sum().sort_values(ascending=False) # сумма очков по командам, по убыванию +_main_path = os.path.join(os.path.dirname(os.path.abspath(__file__)), 'main.py') +_src = open(_main_path, encoding='utf-8').read() # читаем исходник main.py как текст +_src = _src.replace('\nmain()\n', '\n') # убираем последнюю строку с автозапуском +_ns = {} +exec(compile(_src, 'main.py', 'exec'), _ns) # выполняем код -> получаем его функции в _ns +build_standings = _ns['build_standings'] # забираем готовый расчёт таблицы +CONFERENCES = _ns['CONFERENCES'] # и словарь конференций ``` -* `|` — поэлементное «ИЛИ» для масок. -* `['О']` после groupby — берём только столбец очков. +* `main.py` в конце сам вызывает `main()`, поэтому обычный `import main` тут же попытался бы прочитать аргументы и упал. Поэтому читаем текст, убираем строку `main()` и выполняем. +* `exec(compile(...), _ns)` — выполнить код, сложив все его имена (функции, словари) в словарь `_ns`. Так получаем `build_standings` и `CONFERENCES`, ничего не запуская и не печатая. +* **Главное:** логика расчёта не дублируется — единственный источник правды остаётся в `main.py`. + +### Функция `make_div` — словарь «команда → дивизион» ```python -def show_points_histogram(filename, output=None): - points = calculate_team_points(filename) - plt.figure(figsize=(12,7)) # холст 12x7 дюймов - plt.bar(points.index, points.values, color='steelblue') # столбцы: X=названия, Y=очки - plt.title('Гистограмма набранных командами очков') - plt.xlabel('Команда'); plt.ylabel('Очки') - plt.xticks(rotation=75, ha='right') # подписи команд повернуть на 75°, прижать вправо - plt.grid(axis='y', alpha=0.3) # горизонтальная сетка, полупрозрачная - plt.tight_layout() # подобрать отступы - if output: # если задан файл — сохранить, иначе показать - plt.savefig(output, dpi=200) - print(f'Гистограмма сохранена в файл: {output}') - else: - plt.show() +def make_div(bobrov, tarasov, kharlamov, chernyshev): + d = {} + d.update({t: 'Боброва' for t in bobrov}) # Запад + d.update({t: 'Тарасова' for t in tarasov}) # Запад + d.update({t: 'Харламова' for t in kharlamov}) # Восток + d.update({t: 'Чернышёва' for t in chernyshev}) # Восток + return d ``` -* `points.index` — названия команд, `points.values` — числа очков. -* `f'...{output}'` — f-строка, подставляет значение переменной в текст. +Аналог `make_conf`, только делений не два (Запад/Восток), а четыре дивизиона. + +### Словари `DIVISIONS` и `SEED_BY_DIVISION` + +```python +DIVISIONS = { + '2018_19': make_div(bobrov=[...], tarasov=[...], kharlamov=[...], chernyshev=[...]), + ... +} +SEED_BY_DIVISION = {'2018_19': True, '2019_20': True, '2020_21': True, '2021_22': False} +``` +* `DIVISIONS` — состав четырёх дивизионов по каждому сезону (имена команд ровно как в CSV). +* `SEED_BY_DIVISION` — в каких сезонах посев победителей применялся. В 2021/22 — `False` (КХЛ перешла к чистому порядку по %О). + +### Функция `seed_conference` — посев победителей дивизионов + +```python +def seed_conference(conf_table): + winners = conf_table.groupby('Див', sort=False).head(1) # лучший из каждого дивизиона = его победитель + rest = conf_table.drop(winners.index) # все остальные + return pd.concat([winners, rest]) # победители наверх, остальные следом +``` +* Таблица уже отсортирована по %О, поэтому `head(1)` внутри дивизиона = победитель дивизиона. +* `drop(winners.index)` убирает этих двоих из остального списка, чтобы они не повторились. +* `concat` ставит победителей на места 1–2, затем — остальные в прежнем порядке. + +### Функция `show_table` — печать с дивизионом + +То же, что в `main.py`, но в `cols` добавлен столбец `'Див'`, чтобы было видно, почему +победители дивизионов оказались наверху. + +### Функция `main` ```python def main(): - if len(sys.argv) not in (2, 3): # проверка: 1 или 2 аргумента (+имя скрипта) - print('Использование: python3 individual_1.py [файл_для_сохранения]') - sys.exit(1) - filename = sys.argv[1] - output = sys.argv[2] if len(sys.argv)==3 else None # второй аргумент необязателен - if not os.path.isfile(filename): # проверка существования файла - raise FileNotFoundError(f'Файл не найден: {filename}') - show_points_histogram(filename, output) + path = sys.argv[1] + season = os.path.basename(path).replace('khl_', '').replace('.csv', '') + df = pd.read_csv(path) + table = build_standings(df, CONFERENCES[season]) # таблица из логики main.py + table['Див'] = pd.Series(table.index, index=table.index).map(DIVISIONS[season]) # приписываем дивизион + use_seeding = SEED_BY_DIVISION[season] + for conf in ['Запад', 'Восток']: + part = table[table['Конф'] == conf] + if use_seeding: + part = seed_conference(part) # если в этом сезоне посев был — применяем + show_table(part, 'Конференция ' + conf + ' ' + season + ...) -if __name__ == '__main__': # запуск только если файл запущен напрямую, - main() # а не импортирован как модуль +main() ``` -* `if __name__ == '__main__':` — стандартная защита: код запускается только при прямом вызове `python3 individual_1.py`, но не при `import`. (Важно, т.к. этот файл сам импортирует `main`.) --- -## `individual_4.py` — гистограмма заброшенных шайб - -`parse_score` — копия из main.py (тот же разбор счёта). Далее: +## `3.py` — график разницы шайб команды по датам ```python -def task4(filename): - df = pd.read_csv(filename) +import sys +import pandas as pd +import numpy as np # импортирован, но напрямую не используется +import matplotlib.pyplot as plt # построение графика +``` + +### Функция `parse_score` + +Точная копия из `main.py` (тот же разбор счёта «3:1» на два числовых столбца) — правило +подсчёта шайб одно и то же. + +### Функция `match_goals` — голы хозяев и гостей в каждом матче + +```python +def match_goals(df): h1,a1 = parse_score(df,'Период_1'); h2,a2 = parse_score(df,'Период_2'); h3,a3 = parse_score(df,'Период_3') oth,ota = parse_score(df,'Овертайм'); soh,soa = parse_score(df,'Буллиты') @@ -331,100 +370,58 @@ def task4(filename): goals_home = reg_h + oth + win_home_so.astype(int) # все шайбы хозяев (+1 за буллиты) goals_away = reg_a + ota + win_away_so.astype(int) # все шайбы гостей - home = pd.DataFrame({'Команда': df['Команда_1'], 'ГЗ': goals_home}) # шайбы хозяев - away = pd.DataFrame({'Команда': df['Команда_2'], 'ГЗ': goals_away}) # шайбы гостей - both = pd.concat([home, away], ignore_index=True) # склеиваем - - totals = both.groupby('Команда')['ГЗ'].sum().astype(int) # сумма шайб по командам - totals = totals.sort_values(ascending=False) # по убыванию - - plt.figure(figsize=(12,6)) - plt.bar(totals.index, totals.values, color='steelblue') # столбцы - plt.title('Всего заброшено шайб за сезон') - plt.xlabel('Команда'); plt.ylabel('Заброшено шайб') - plt.xticks(rotation=90) # подписи вертикально - for i, value in enumerate(totals.values): # над каждым столбцом — число - plt.text(i, value, str(value), ha='center', va='bottom') - plt.tight_layout(); plt.show() - -if __name__ == '__main__': - task4(sys.argv[1]) + p1 = df['Период_1'].astype(str).str.strip() + tech = p1.str.startswith('+') | p1.str.endswith('+')# технический результат + goals_home = goals_home.where(~tech, 0) # у техрезультата шайб нет (0:0) + goals_away = goals_away.where(~tech, 0) + return goals_home, goals_away ``` -* `enumerate(totals.values)` — даёт пары `(номер, значение)`; номер `i` — позиция столбца по X. -* `plt.text(i, value, str(value), ha='center', va='bottom')` — подпись по центру столбца, над ним (`va='bottom'` — низ текста на уровне значения). +* Та же логика подсчёта шайб, что в `main.py`. +* `series.where(~tech, 0)` — оставить значение, где матч НЕ технический, иначе 0. Так разница у такого матча будет 0, как на сайте КХЛ. ---- - -## `individual_5.py` — разница шайб команды в периоде по датам +### Функция `plot_team_diff` — построение и сохранение графика ```python -import os, sys -import matplotlib.pyplot as plt -import numpy as np -import pandas as pd -``` - -```python -def parse_score(df, col): # тот же разбор счёта (с docstring-описанием в тройных кавычках) - parts = df[col].str.split(':', expand=True) - home = pd.to_numeric(parts[0], errors='coerce').fillna(0) - away = pd.to_numeric(parts[1], errors='coerce').fillna(0) - return home, away -``` - -```python -def calculate_period_goals_diff(filename, period_number, team_name): +def plot_team_diff(team, filename): df = pd.read_csv(filename) - team_df = df[(df['Команда_1']==team_name) | (df['Команда_2']==team_name)].copy() # только матчи нужной команды - team_df = team_df.sort_values(by='Дата') # по возрастанию дат - period_col = f'Период_{period_number}' # имя столбца, напр. 'Период_2' - h, a = parse_score(team_df, period_col) # счёт в этом периоде + goals_home, goals_away = match_goals(df) # голы хозяев/гостей в каждом матче - is_home = team_df['Команда_1'] == team_name # маска: была ли команда хозяином - deltas = (h - a) * (2 * is_home.astype(int) - 1) # разница «своих минус чужих» с учётом стороны - result = pd.DataFrame({'Дата': team_df['Дата'], 'Разница': deltas.astype(int)}) - return result + home = pd.DataFrame({'Дата': df['Дата'], 'Команда': df['Команда_1'], 'ГЗ': goals_home, 'ГП': goals_away}) + away = pd.DataFrame({'Дата': df['Дата'], 'Команда': df['Команда_2'], 'ГЗ': goals_away, 'ГП': goals_home}) + both = pd.concat([home, away], ignore_index=True) # тот же приём «две строки на матч» + both[['ГЗ','ГП']] = both[['ГЗ','ГП']].astype(int) + + rows = both[both['Команда'] == team].copy() # только матчи нужной команды + rows['Дата'] = pd.to_datetime(rows['Дата']) # текст -> дата (для оси X по времени) + rows = rows.sort_values('Дата') # по возрастанию даты + rows['Разница'] = rows['ГЗ'] - rows['ГП'] # забито минус пропущено в матче + + fig, ax = plt.subplots(figsize=(12, 5)) + ax.plot(rows['Дата'], rows['Разница'], marker='o') # линия с точками-матчами + ax.axhline(0, color='gray', linewidth=1) # линия нуля для наглядности + ax.set_title('Разница забитых и пропущенных шайб: ' + team) + ax.set_xlabel('Дата матча'); ax.set_ylabel('Забито - пропущено') + ax.grid(True, alpha=0.3) + fig.autofmt_xdate() # повернуть подписи дат + + fig.savefig('diff_' + team + '.png', dpi=150, bbox_inches='tight') # сохранить картинку + print('График сохранён: diff_' + team + '.png') + plt.show() ``` -**Трюк со знаком:** `2*is_home - 1` даёт `+1`, если команда хозяин, и `-1`, если гость. -Тогда `(h - a)` (разница хозяев) автоматически переворачивается для гостевых матчей — получается разница именно нашей команды. +* `'ГП'` = пропущено = забито соперником, поэтому в `away` поля `ГЗ`/`ГП` меняются местами. +* `pd.to_datetime` нужен, чтобы matplotlib расставил матчи по оси времени правильно. + +### Функция `main` ```python -def show_period_goals_diff_histogram(filename, period_number, team_name, output_path=None): - data = calculate_period_goals_diff(filename, period_number, team_name) - dates = data['Дата']; deltas = data['Разница'] +def main(): + filename = sys.argv[1] # путь к CSV + team = sys.argv[2] # название команды + plot_team_diff(team, filename) - plt.figure(figsize=(14,7)) - color_map = {-1:'#e74c3c', 0:'#95a5a6', 1:'#2ecc71'} # минус=красный, ноль=серый, плюс=зелёный - signs = np.sign(deltas) # знак каждой разницы: -1/0/1 - colors = [color_map[s] for s in signs] # список цветов под каждый столбец - - plt.bar(dates, deltas, color=colors, edgecolor='black', alpha=0.85) - plt.title(f"Разница шайб в {period_number}-м периоде у команды '{team_name}' по датам", fontsize=14, fontweight='bold') - plt.xlabel('Дата матча', fontsize=12); plt.ylabel('Разница забитых и пропущенных шайб', fontsize=12) - - min_val = int(deltas.min()); max_val = int(deltas.max()) # границы значений - plt.yticks(range(min_val-1, max_val+2)) # деления оси Y — только целые числа - plt.xticks(rotation=90, fontsize=8) # даты вертикально, мелким шрифтом - plt.axhline(0, color='black', linewidth=1.2, linestyle='--') # пунктирная линия нуля - plt.grid(axis='y', linestyle=':', alpha=0.6) # точечная сетка по Y - plt.tight_layout() - - actions = { # выбор действия без if: словарь функций - True: lambda: plt.savefig(output_path, dpi=200), - False: lambda: plt.show() - } - actions[output_path is not None]() # есть путь -> сохранить, иначе показать +main() ``` -* `np.sign(deltas)` — массив знаков; по нему выбираем цвет каждого столбца. -* `[color_map[s] for s in signs]` — **списковое включение**: строит список цветов. -* `lambda: ...` — короткая безымянная функция; `actions[...]()` вызывает выбранную. - -```python -args = sys.argv + [None] * (5 - len(sys.argv)) # дополняем аргументы None-ами до 5 штук, чтобы не было IndexError -show_period_goals_diff_histogram(args[1], int(args[2]), args[3], args[4]) # запуск -``` -* `[None] * n` — список из `n` элементов `None`. -* `int(args[2])` — номер периода из строки в число. +Запуск: `python3 3.py khl_3/khl_2018_19.csv "ЦСКА"`. --- @@ -434,5 +431,7 @@ show_period_goals_diff_histogram(args[1], int(args[2]), args[3], args[4]) # з * **Почему без циклов?** Векторные операции pandas быстрее и короче: одно действие сразу над всем столбцом. * **Что такое булева маска?** Столбец True/False из сравнения; по нему фильтруют строки и считают суммы через `.astype(int)`. * **Зачем `pd.concat` хозяев и гостей?** Чтобы у каждой команды была своя строка на каждый матч и сработал `groupby`. -* **Почему `np.floor` для %очков?** КХЛ отбрасывает знаки, а не округляет. -* **Что делает `if __name__ == '__main__'`?** Запускает код только при прямом вызове файла, не при импорте. +* **Как считается %очков?** В целых числах с отбрасыванием знаков (`*10000 // (2*И) /100`) — как сайт КХЛ, без округления и без ошибок float. +* **Как обрабатываются технические результаты?** `+ — -` / `- — +` — это победа/поражение в основное время, но без шайб (0:0). +* **Почему дивизионы в отдельном файле?** Чтобы не менять `main.py`; `divisions.py` переиспользует его функции через чтение и `exec` исходника без автозапуска. +* **Зачем посев победителей дивизионов?** В 2018/19–2020/21 они получали места 1–2 в конференции независимо от очков; в 2021/22 правило отменили.