introduction

Créer un classement à partir des résultats des matchs JFL

Grattage

Identique au grattage du précédent Créer un classement à partir des résultats du match JFL

import requests
from bs4 import BeautifulSoup

url = "http://www.jfl.or.jp/jfl-pc/view/s.php?a=1542&f=2020A001_spc.html"

r = requests.get(url)
r.raise_for_status()

soup = BeautifulSoup(r.content, "html.parser")

data = []

for table in soup.find_all("table", class_="table-data"):

    trs = table.find_all("tr")

    th = int(trs[0].th.get_text(strip=True).strip("Section"))

    for i, tr in enumerate(trs[1:], 1):

        tds = [td.get_text(strip=True) for td in tr.find_all("td")]

        data.append([th, i] + tds)

Data wrangling

import pandas as pd

df = pd.DataFrame(
    data, columns=["section", "nombre", "Date", "temps", "domicile", "But", "Une façon", "Stade", "Remarques"]
)

df.set_index(["section", "nombre"], inplace=True)

df

df_score = (
    df["But"].str.split("-", expand=True).rename(columns={0: "Score à domicile", 1: "Score à l'extérieur"})
)

df_score["Score à domicile"] = pd.to_numeric(df_score["Score à domicile"], errors="coerce").astype("Int64")
df_score["Score à l'extérieur"] = pd.to_numeric(df_score["Score à l'extérieur"], errors="coerce").astype("Int64")

df1 = pd.concat([df, df_score], axis=1).dropna(subset=["Score à domicile", "Score à l'extérieur"])

#Résultats à domicile uniquement
df_home = df1.loc[:, ["domicile", "Une façon", "domicile得点", "Une façon得点"]].copy()
df_home.rename(
    columns={"domicile": "Nom de l'équipe", "Une façon": "Adversaire", "domicileBut": "But", "Une façonBut": "Concédé"}, inplace=True
)
df_home["Guerre"] = "H"
df_home.head()

#Résultats à l'extérieur uniquement
df_away = df1.loc[:, ["Une façon", "domicile", "Une façon得点", "domicile得点"]].copy()
df_away.rename(
    columns={"Une façon": "Nom de l'équipe", "domicile": "Adversaire", "Une façonBut": "But", "domicileBut": "Concédé"}, inplace=True
)
df_away["Guerre"] = "A"
df_away.head()

#Combinez la maison et l'extérieur
df_total = pd.concat([df_home, df_away])

df_total

jfl_2020 = [
    "Ｈｏｎｄａ ＦＣ",
    "Sony Sendai FC",
    "Tokyo Musashino City FC",
    "Tegevajaro Miyazaki",
    "Honda Lock SC",
    "Verspa Oita",
    "FC Osaka",
    "MIO Biwako Shiga",
    "Viatin Mie",
    "FC Maruyasu Okazaki",
    "Suzuka Point Getters",
    "Courrier en ligne Aomori",
    "Nara Club",
    "Matsue City FC",
    "Iwaki FC",
    "Kochi United SC",
]

df_total

df_total["résultat"] = df_total.apply(
    lambda x: f'{x["But"]}△{x["Concédé"]}'
    if x["But"] == x["Concédé"]
    else f'{x["But"]}○{x["Concédé"]}'
    if x["But"] > x["Concédé"]
    else f'{x["But"]}●{x["Concédé"]}',
    axis=1,
)

df_total

#Total du tableau des records de bataille
pv_senseki = df_total.pivot(values="résultat", index=["Nom de l'équipe", "Guerre"], columns="対Guerre相手").fillna("")

new_idx = pd.MultiIndex.from_product(
    [jfl_2020, ["H", "A"]], names=pv_senseki.index.names
)

jfl_senseki = pv_senseki.reindex(new_idx, columns=jfl_2020)

jfl_senseki

print(jfl_senseki.to_markdown())

	ＨｏｎｄａＦＣ	Sony Sendai FC	Tokyo Musashino City FC	Tegevajaro Miyazaki	Honda Lock SC	Verspa Oita	FC Osaka	MIO Biwako Shiga	Viatin Mie	FC Maruyasu Okazaki	Suzuka Point Getters	Courrier en ligne Aomori	Nara Club	Matsue City FC	Iwaki FC	Kochi United SC
('ＨｏｎｄａＦＣ', 'H')			1△1					3○1	1△1			1○0
('ＨｏｎｄａＦＣ', 'A')		4○0			3○0		1△1				1○0
('Sony Sendai FC', 'H')	0●4												1△1			3○1
('Sony Sendai FC', 'A')			0●2			4○2				2○1		2○0		1●2
('Tokyo Musashino City FC', 'H')		2○0		1●2			2○1
('Tokyo Musashino City FC', 'A')	1△1										0●1					1△1
('Tegevajaro Miyazaki', 'H')					1△1								1●2	2○0
('Tegevajaro Miyazaki', 'A')			2○1					4○1	0△0		1○0
('Honda Lock SC', 'H')	0●3					1●2	0●4						0●3
('Honda Lock SC', 'A')				1△1										3○1	2○1	1○0
('Verspa Oita', 'H')		2●4								1○0		1●2			4○1
('Verspa Oita', 'A')					2○1				2○0				2○1
('FC Osaka', 'H')	1△1							1○0	1●2	0△0				2○1
('FC Osaka', 'A')			1●2		4○0										2●3
('MIO Biwako Shiga', 'H')				1●4							3△3	6○0		1○0
('MIO Biwako Shiga', 'A')	1●3						0●1		2○1	3○1
('Viatin Mie', 'H')				0△0		0●2		1●2		3○2
('Viatin Mie', 'A')	1△1						2○1						0●1	1●2
('FC Maruyasu Okazaki', 'H')		1●2						1●3				1△1			0●2
('FC Maruyasu Okazaki', 'A')						0●1	0△0		2●3							2○0
('Suzuka Point Getters', 'H')	0●1		1○0	0●1										1●2	1○0
('Suzuka Point Getters', 'A')								3△3					1○0			2△2
('Courrier en ligne Aomori', 'H')		0●2												3○0	1△1
('Courrier en ligne Aomori', 'A')	0●1					2○1		0●6		1△1
('Nara Club', 'H')						1●2			1○0		0●1					1△1
('Nara Club', 'A')		1△1		2○1	3○0										1●2
('Matsue City FC', 'H')		2○1			1●3				2○1							2○1
('Matsue City FC', 'A')				0●2			1●2	0●1			2○1	0●3
('Iwaki FC', 'H')					1●2		3○2						2○1			4○3
('Iwaki FC', 'A')						1●4				2○0	0●1	1△1
('Kochi United SC', 'H')			1△1		0●1					0●2	2△2
('Kochi United SC', 'A')		1●3											1△1	1●2	3●4

[PYTHON] Créer une table d'enregistrement à partir des résultats de correspondance JFL

introduction

Grattage

Data wrangling