update doc

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.
+**2018/19 – 2021/22** и строит по ним турнирные таблицы и график.
-Основной инструмент — библиотека **pandas** (работа с таблицами) и
+Основные инструменты — библиотека **pandas** (работа с таблицами) и
-**matplotlib** (графики).
+**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. |
+| `divisions.py` | Отдельный модуль: добавляет деление на **дивизионы** и **правило посева** победителей дивизионов. Логику расчёта берёт из `main.py`, сам `main.py` не меняет. |
-| `individual_4.py` | Индивидуальное задание: гистограмма всего заброшенных шайб за сезон. |
+| `3.py` | Задание №3: **график** разницы заброшенных и пропущенных шайб одной команды по ходу сезона. |
-| `individual_5.py` | Индивидуальное задание: гистограмма разницы шайб конкретной команды в заданном периоде по датам. |
+| `khl_3/` | Исходные данные — CSV-файлы матчей (4 сезона, кодировка UTF-8). |
-| `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». |
 
 ### 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)
+# Таблицы по конференциям с дивизионами и посевом победителей дивизионов
-python3 individual_1.py khl_3/khl_2018_19.csv [output.png]
+python3 divisions.py khl_3/khl_2020_21.csv
 
-# Гистограмма заброшенных шайб
+# График разницы шайб одной команды по датам (сохраняется в diff_<команда>.png)
-python3 individual_4.py khl_3/khl_2018_19.csv
+python3 3.py khl_3/khl_2018_19.csv "ЦСКА"
-
-# Разница шайб команды в N-м периоде по датам
-python3 individual_5.py khl_3/khl_2018_19.csv 2 "Ак Барс" [output.png]
 ```
 
-> Имя файла важно: `main.py` достаёт код сезона (`2018_19`) из имени `khl_2018_19.csv`,
+> Имя файла важно: программы достают код сезона (`2018_19`) из имени
-> чтобы понять, какие команды в какой конференции играли.
+> `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. `groupby('Команда').sum()` суммирует все показатели по командам.
-5. Считает производные показатели:
+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.
+   * `%О` считается **в целых числах** (`* 10000 // (2*И) / 100`) с отбрасыванием
-6. Сортирует по регламенту КХЛ: `%О → В → ВО → ВБ → Р → ГЗ`.
+     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
+### `divisions.py` — дивизионы и посев
-  каждой команды и строит **столбчатую диаграмму очков**. Поддерживает сохранение в PNG.
+
-* **`individual_4.py`** — суммирует все заброшенные шайбы каждой команды за сезон
+В части сезонов КХЛ (2018/19–2020/21) действовало правило: **победители двух
-  и строит гистограмму с подписями значений над столбцами.
+дивизионов получают места 1 и 2 в конференции**, даже если по очкам они не в топ-2.
-* **`individual_5.py`** — фильтрует матчи одной команды, считает **разницу шайб
+Например, в 2020/21 на Западе СКА (82 очка) стоит выше Динамо М (84) и
-  в выбранном периоде** по датам. Столбцы раскрашены: зелёный (плюс), красный (минус),
+Локомотива (83) — СКА выиграл дивизион Боброва. В сезоне 2021/22 это правило
-  серый (ноль); добавлена линия нуля и сетка.
+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
+официальная турнирная таблица, таблицы с дивизионами и график. Цель — освоить
-табличных данных в pandas и визуализацию в matplotlib.
+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.
+   за буллиты, технические результаты, целочисленный (без округления) процент очков,
-5. **Переиспользование кода.** `individual_1.py` импортирует функции из `main.py`,
+   порядок критериев сортировки, посев победителей дивизионов.
-   чтобы не дублировать логику разбора счёта.
+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
+* *Почему %О считается в целых числах, а не через `round`?* — Сайт КХЛ отбрасывает
-  (72.448 → 72.44), а не округляет.
+  знаки после второго (а не округляет), и целочисленная арифметика не даёт ошибок
-* *Зачем папка `khl_3_win`?* — то же содержимое, но с BOM, чтобы Excel правильно
+  float (57.00 вместо 56.99...).
-  показывал кириллицу.
+* *Как обрабатываются технические результаты?* — `+ — -` / `- — +` засчитываются как
-* *Как добавить новый сезон?* — добавить CSV в `khl_3/` и описать конференции
+  победа/поражение в основное время, но без шайб (0:0), как в КХЛ.
-  в словаре `CONFERENCES` внутри `main.py`.
+* *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`).

РАЗБОР_КОДА.md

@@ -1,7 +1,8 @@
 # Разбор кода построчно (для защиты)
 
-Здесь разобрана **каждая строка** всех файлов и **каждая функция из библиотек**
+Здесь разобраны три файла проекта — **`main.py`**, **`divisions.py`**, **`3.py`** —
-(pandas, numpy, matplotlib, sys, os). Читается сверху вниз — можно отвечать прямо по тексту.
+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]` (для нумерации мест).
-* `np.arange(1, N+1)` — массив чисел `[1, 2, ..., N]`.
-* `np.sign(x)` — знак числа: `-1`, `0` или `1`.
 
 ### `matplotlib.pyplot` (сокращённо `plt`) — графики
-* `plt.figure(figsize=(ш, в))` — создаёт новый холст графика заданного размера в дюймах.
+* `plt.subplots(figsize=(ш, в))` — создаёт холст (`fig`) и оси (`ax`) заданного размера в дюймах.
-* `plt.bar(x, y, color=...)` — столбчатая диаграмма.
+* `ax.plot(x, y, marker='o')` — линия с точками-маркерами.
-* `plt.title / plt.xlabel / plt.ylabel` — заголовок и подписи осей.
+* `ax.axhline(0, ...)` — горизонтальная линия на уровне 0.
-* `plt.xticks(rotation=..., ha=...)` — настройка подписей оси X (поворот, выравнивание).
+* `ax.set_title / set_xlabel / set_ylabel` — заголовок и подписи осей.
-* `plt.yticks(range(...))` — какие деления показывать на оси Y.
+* `ax.grid(True, alpha=...)` — координатная сетка (`alpha` — прозрачность).
-* `plt.grid(axis='y', alpha=...)` — координатная сетка (`alpha` — прозрачность).
+* `fig.autofmt_xdate()` — автоматически поворачивает подписи дат, чтобы не слипались.
-* `plt.axhline(0, ...)` — горизонтальная линия на уровне 0.
+* `fig.savefig(path, dpi=150, bbox_inches='tight')` — сохранить график в файл (`tight` — обрезать поля).
-* `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.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
+    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 -> 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
@@ -160,15 +179,9 @@ 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
 ```
 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 sys
-import matplotlib.pyplot as plt
+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):
+_main_path = os.path.join(os.path.dirname(os.path.abspath(__file__)), 'main.py')
-    df = pd.read_csv(filename)
+_src = open(_main_path, encoding='utf-8').read()   # читаем исходник main.py как текст
-    h1,a1 = mn.parse_score(df,'Период_1')   # тот же разбор счёта, что в main.py
+_src = _src.replace('\nmain()\n', '\n')            # убираем последнюю строку с автозапуском
-    h2,a2 = mn.parse_score(df,'Период_2')
+_ns = {}
-    h3,a3 = mn.parse_score(df,'Период_3')
+exec(compile(_src, 'main.py', 'exec'), _ns)        # выполняем код -> получаем его функции в _ns
-    oth,ota = mn.parse_score(df,'Овертайм')
+build_standings = _ns['build_standings']           # забираем готовый расчёт таблицы
-    soh,soa = mn.parse_score(df,'Буллиты')
+CONFERENCES = _ns['CONFERENCES']                   # и словарь конференций
-
-    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
 ```
-* `|` — поэлементное «ИЛИ» для масок.
+* `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.
-* `['О']` после groupby — берём только столбец очков.
+* `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):
+def make_div(bobrov, tarasov, kharlamov, chernyshev):
-    points = calculate_team_points(filename)
+    d = {}
-    plt.figure(figsize=(12,7))                          # холст 12x7 дюймов
+    d.update({t: 'Боброва'   for t in bobrov})     # Запад
-    plt.bar(points.index, points.values, color='steelblue')  # столбцы: X=названия, Y=очки
+    d.update({t: 'Тарасова'  for t in tarasov})    # Запад
-    plt.title('Гистограмма набранных командами очков')
+    d.update({t: 'Харламова' for t in kharlamov})  # Восток
-    plt.xlabel('Команда'); plt.ylabel('Очки')
+    d.update({t: 'Чернышёва' for t in chernyshev}) # Восток
-    plt.xticks(rotation=75, ha='right')                 # подписи команд повернуть на 75°, прижать вправо
+    return d
-    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()
 ```
-* `points.index` — названия команд, `points.values` — числа очков.
+Аналог `make_conf`, только делений не два (Запад/Восток), а четыре дивизиона.
-* `f'...{output}'` — f-строка, подставляет значение переменной в текст.
+
+### 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)
+    path = sys.argv[1]
-        print('Использование: python3 individual_1.py <csv-файл> [файл_для_сохранения]')
+    season = os.path.basename(path).replace('khl_', '').replace('.csv', '')
-        sys.exit(1)
+    df = pd.read_csv(path)
-    filename = sys.argv[1]
+    table = build_standings(df, CONFERENCES[season])         # таблица из логики main.py
-    output = sys.argv[2] if len(sys.argv)==3 else None  # второй аргумент необязателен
+    table['Див'] = pd.Series(table.index, index=table.index).map(DIVISIONS[season])  # приписываем дивизион
-    if not os.path.isfile(filename):                    # проверка существования файла
+    use_seeding = SEED_BY_DIVISION[season]
-        raise FileNotFoundError(f'Файл не найден: {filename}')
+    for conf in ['Запад', 'Восток']:
-    show_points_histogram(filename, output)
+        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()
-    main()                                              # а не импортирован как модуль
 ```
-* `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
+## `3.py` — график разницы шайб команды по датам
-
-`parse_score` — копия из main.py (тот же разбор счёта). Далее:
 
 ```python
-def task4(filename):
+import sys
-    df = pd.read_csv(filename)
+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
+    p1 = df['Период_1'].astype(str).str.strip()
-    away = pd.DataFrame({'Команда': df['Команда_2'], 'ГЗ': goals_away})  # шайбы гостей
+    tech = p1.str.startswith('+') | p1.str.endswith('+')# технический результат
-    both = pd.concat([home, away], ignore_index=True)                    # склеиваем
+    goals_home = goals_home.where(~tech, 0)             # у техрезультата шайб нет (0:0)
-
+    goals_away = goals_away.where(~tech, 0)
-    totals = both.groupby('Команда')['ГЗ'].sum().astype(int)             # сумма шайб по командам
+    return goals_home, goals_away
-    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])
 ```
-* `enumerate(totals.values)` — даёт пары `(номер, значение)`; номер `i` — позиция столбца по X.
+* Та же логика подсчёта шайб, что в `main.py`.
-* `plt.text(i, value, str(value), ha='center', va='bottom')` — подпись по центру столбца, над ним (`va='bottom'` — низ текста на уровне значения).
+* `series.where(~tech, 0)` — оставить значение, где матч НЕ технический, иначе 0. Так разница у такого матча будет 0, как на сайте КХЛ.
 
----
+### Функция `plot_team_diff` — построение и сохранение графика
-
-## `individual_5.py` — разница шайб команды в периоде по датам
 
 ```python
-import os, sys
+def plot_team_diff(team, filename):
-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):
     df = pd.read_csv(filename)
-    team_df = df[(df['Команда_1']==team_name) | (df['Команда_2']==team_name)].copy()  # только матчи нужной команды
+    goals_home, goals_away = match_goals(df)             # голы хозяев/гостей в каждом матче
-    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
 
-    is_home = team_df['Команда_1'] == team_name               # маска: была ли команда хозяином
+    home = pd.DataFrame({'Дата': df['Дата'], 'Команда': df['Команда_1'], 'ГЗ': goals_home, 'ГП': goals_away})
-    deltas = (h - a) * (2 * is_home.astype(int) - 1)          # разница «своих минус чужих» с учётом стороны
+    away = pd.DataFrame({'Дата': df['Дата'], 'Команда': df['Команда_2'], 'ГЗ': goals_away, 'ГП': goals_home})
-    result = pd.DataFrame({'Дата': team_df['Дата'], 'Разница': deltas.astype(int)})
+    both = pd.concat([home, away], ignore_index=True)    # тот же приём «две строки на матч»
-    return result
+    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.
+* `'ГП'` = пропущено = забито соперником, поэтому в `away` поля `ГЗ`/`ГП` меняются местами.
-Тогда `(h - a)` (разница хозяев) автоматически переворачивается для гостевых матчей — получается разница именно нашей команды.
+* `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):
+def main():
-    data = calculate_period_goals_diff(filename, period_number, team_name)
+    filename = sys.argv[1]   # путь к CSV
-    dates = data['Дата']; deltas = data['Разница']
+    team = sys.argv[2]       # название команды
+    plot_team_diff(team, filename)
 
-    plt.figure(figsize=(14,7))
+main()
-    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
 ```
-* `np.sign(deltas)` — массив знаков; по нему выбираем цвет каждого столбца.
+Запуск:  `python3 3.py khl_3/khl_2018_19.csv "ЦСКА"`.
-* `[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.
 
 ---
 
@@ -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.
+* **Как считается %очков?** В целых числах с отбрасыванием знаков (`*10000 // (2*И) /100`) — как сайт КХЛ, без округления и без ошибок float.
-* **Что делает `if __name__ == '__main__'`?** Запускает код только при прямом вызове файла, не при импорте.
+* **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.