| """Features de stratégie de composition et contexte match. |
| |
| - Stratégie composition 100 pts (A02 Art. 3.6.e) |
| - Avantage domicile |
| - Titre FIDE numérique |
| |
| ISO Compliance: |
| - ISO/IEC 5055:2021 - Code Quality (<300 lignes, SRP) |
| - ISO/IEC 5259:2024 - Data Quality for ML |
| """ |
|
|
| from __future__ import annotations |
|
|
| import logging |
|
|
| import pandas as pd |
|
|
| logger = logging.getLogger(__name__) |
|
|
| TITLE_MAP = {"GM": 5, "IM": 4, "FM": 3, "CM": 2, "WGM": 4, "WIM": 3, "WFM": 2, "": 0} |
|
|
|
|
| def extract_title_features(df: pd.DataFrame) -> pd.DataFrame: |
| """Titre FIDE numérique + différentiel titre. |
| |
| GM=5, IM=4, FM=3, CM=2, WGM=4, WIM=3, WFM=2, ""=0. |
| """ |
| result = pd.DataFrame(index=df.index) |
| result["blanc_titre_num"] = df["blanc_titre"].map(TITLE_MAP).fillna(0).astype(int) |
| result["noir_titre_num"] = df["noir_titre"].map(TITLE_MAP).fillna(0).astype(int) |
| result["diff_titre"] = result["blanc_titre_num"] - result["noir_titre_num"] |
| logger.info(" %d lignes avec features titre", len(result)) |
| return result |
|
|
|
|
| def extract_home_feature(df: pd.DataFrame) -> pd.DataFrame: |
| """Bool domicile pour le joueur blanc.""" |
| result = pd.DataFrame(index=df.index) |
| result["est_domicile_blanc"] = (df["blanc_equipe"] == df["equipe_dom"]).astype(int) |
| logger.info(" %d lignes avec feature domicile", len(result)) |
| return result |
|
|
|
|
| def extract_composition_strategy(df_played: pd.DataFrame) -> pd.DataFrame: |
| """Décalage de position par rapport à l'ordre Elo strict. |
| |
| Pour chaque joueur dans un match, calcule la différence entre |
| sa position réelle (échiquier) et sa position naturelle |
| (rang par Elo décroissant dans la composition de son équipe). |
| |
| A02 Art. 3.6.e: inversion autorisée si écart < 100 pts. |
| """ |
| |
| dom = _composition_shift(df_played, "equipe_dom", "blanc") |
| ext = _composition_shift(df_played, "equipe_ext", "noir") |
| result = pd.concat([dom, ext], ignore_index=True) |
| logger.info(" %d joueurs avec features composition", len(result)) |
| return result |
|
|
|
|
| def _composition_shift( |
| df: pd.DataFrame, |
| equipe_col: str, |
| color: str, |
| ) -> pd.DataFrame: |
| """Calcule le décalage position pour une couleur/équipe.""" |
| elo_col = f"{color}_elo" |
| nom_col = f"{color}_nom" |
|
|
| |
| mask = df[elo_col] > 0 |
| sub = df.loc[ |
| mask, |
| [ |
| "saison", |
| "competition", |
| "division", |
| "groupe", |
| "ronde", |
| equipe_col, |
| "echiquier", |
| elo_col, |
| nom_col, |
| ], |
| ].copy() |
|
|
| if sub.empty: |
| return pd.DataFrame( |
| columns=["nom", "decalage_position", "joueur_decale_haut", "joueur_decale_bas"] |
| ) |
|
|
| |
| group_cols = ["saison", "competition", "division", "groupe", "ronde", equipe_col] |
| sub["rang_naturel"] = ( |
| sub.groupby(group_cols)[elo_col] |
| .rank( |
| ascending=False, |
| method="min", |
| ) |
| .astype(int) |
| ) |
| sub["rang_reel"] = ( |
| sub.groupby(group_cols)["echiquier"] |
| .rank( |
| ascending=True, |
| method="min", |
| ) |
| .astype(int) |
| ) |
| sub["decalage_position"] = sub["rang_reel"] - sub["rang_naturel"] |
|
|
| return pd.DataFrame( |
| { |
| "nom": sub[nom_col].values, |
| "decalage_position": sub["decalage_position"].values, |
| "joueur_decale_haut": (sub["decalage_position"] < 0).astype(int).values, |
| "joueur_decale_bas": (sub["decalage_position"] > 0).astype(int).values, |
| } |
| ) |
|
|
