pedri-analysis

Profil gry Pedriego na danych zdarzeń (StatsBomb-like).
Skrypt liczy metryki per mecz i agregaty, a następnie generuje CSV + wizualizacje (bary, histogramy, heatmapa, radary, pass mapy).

---

Najważniejsze cechy

• match_id zawsze z nazwy pliku (data/events/*1234567*.json) — koniec z unknown.
• Spójne artefakty w podkatalogach:
  • CSV → outputs/csv/
  • Wykresy (PNG+SVG) → outputs/figures/
• Wizualizacje:
  • Bary z etykietami (Top-20),
  • Histogramy per90,
  • Heatmapa zdarzeń na tle boiska,
  • Radary: RAW p90 + percentyle,
  • Pass map: wszystkie podania oraz tylko progressive.
• Orkiestracja: automation/run_all.py (preferuje venv, działa wyłącznie w bieżącym repo).

---

Wymagania

• Python 3.10+ (działa także na 3.13)
• Pakiety: pandas, numpy, matplotlib

Dane (data/events/*.json) nie są częścią repo – wgraj je lokalnie.

---

Szybki start

1) Klon i środowisko

git clone <URL repo>
cd pedri-analysis

python -m venv venv
.\venv\Scripts\Activate.ps1
pip install -U pip
pip install pandas numpy matplotlib

2) (Opcjonalnie) .env

Dla Pythona/VS Code:

PYTHONPATH=${workspaceFolder};${workspaceFolder}/core

3) Uruchomienie

Cała paczka:

python automation/run_all.py

albo sam analizator (generuje CSV + wszystkie wykresy, w tym radary i pass mapy):

python core/pedri_analysis.py

---

Struktura repo (docelowo)

pedri-analysis/
├─ automation/run_all.py
├─ core/                 # kod .py
├─ data/events/*.json    # lokalnie, poza repo
├─ outputs/
│  ├─ csv/
│  └─ figures/
└─ README.md

---

Wyniki (artefakty)

CSV (outputs/csv/)

• pedri_match_stats.csv – rdzeń per-mecz
• pedri_match_stats_extended.csv – pełny per-mecz (w tym *_p90)
• pedri_summary.csv – agregat 1-wierszowy

Alias zgodności: pedri_per_match_stats.csv — możesz wyłączyć z git (patrz .gitignore).

Wizualizacje (outputs/figures/)

• Bary:
  • pedri_key_passes_per_match.(png|svg)
  • pedri_prog_passes_per_match.(png|svg)
  • pedri_pass_pct_per_match.(png|svg)
• Histogramy per90:
  • pedri_pressures_p90_hist.(png|svg)
  • pedri_tackles_p90_hist.(png|svg)
  • pedri_interceptions_p90_hist.(png|svg)
• Heatmapa:
  • pedri_event_heatmap_hexbin.(png|svg)
• Radary:
  • pedri_radar_p90_raw.(png|svg)
  • pedri_radar_p90_percentile.(png|svg)
• Pass maps:
  • pedri_pass_map_all.(png|svg)
  • pedri_pass_map_progressive.(png|svg)

Podgląd w README (SVG wyglądają ostro na GitHubie)

## Kluczowe wykresy
![Key passes](outputs/figures/pedri_key_passes_per_match.svg)
![Prog passes](outputs/figures/pedri_prog_passes_per_match.svg)
![Pass %](outputs/figures/pedri_pass_pct_per_match.svg)

## Radar (per 90)
![RAW](outputs/figures/pedri_radar_p90_raw.svg)
![Percentile](outputs/figures/pedri_radar_p90_percentile.svg)

## Pass maps
![All passes](outputs/figures/pedri_pass_map_all.svg)
![Progressive](outputs/figures/pedri_pass_map_progressive.svg)

---

Jak to działa (skrót)

• Skan data/events/**/*.json, filtr eventów Pedriego (player.id=30486),
• Liczenie per-mecz (podania, key passes, progressive, dryblingi, pressing, obrona, strzały, xG),
• Szacowanie minut z eventów (substytucje / zakres czasów),
• Metryki *_p90,
• Eksport CSV (do outputs/csv/) i wizualizacje (do outputs/figures/),
• Heatmapa na boisku 120x80 (skala StatsBomb-like),
• Radary: RAW p90 (średnie) oraz percentyle względem rozkładu meczów Pedriego,
• Pass map: strzałki start→koniec; osobno progressive.

---

VS Code (opcjonalnie)

.vscode/settings.json — polecane:

{
  "files.autoSave": "afterDelay",
  "files.autoSaveDelay": 1500,
  "editor.formatOnSave": true,
  "files.trimTrailingWhitespace": true,
  "python.analysis.extraPaths": [
    "${workspaceFolder}",
    "${workspaceFolder}/core"
  ],
  "python.envFile": "${workspaceFolder}/.env"
}

---

Git: co commitować?

Tak:

• core/pedri_analysis.py, automation/run_all.py, ustawienia (.vscode/, .env jeśli chcesz),
• outputs/csv/*.csv,
• outputs/figures/*.png, outputs/figures/*.svg.

Nie (opcjonalnie):

• outputs/csv/pedri_per_match_stats.csv (alias). Dodaj do .gitignore:

  outputs/csv/pedri_per_match_stats.csv

---

FAQ / Troubleshooting

• Matplotlib: tick_params(..., ha=...) błąd.
  Użyj obrót w tick_params(labelrotation=45), wyrównanie przez for lab in ax.get_xticklabels(): lab.set_ha("right") (już zaimplementowane).

• Uruchamia się z innej ścieżki (literówka w nazwie katalogu).
  automation/run_all.py jest „strict” – odpala tylko skrypty z <ROOT>/core lub <ROOT>. Używaj tej wersji orkiestratora.

• Brak danych.
  Upewnij się, że masz JSON-y w data/events/ (i ew. podkatalogach). Nazwy powinny zawierać numery match_id.

---

What I learned

• ETL zdarzeń → spójne ramki danych

• Idempotentny pipeline (powtarzalne CSV + wykresy)

• Jakość: Black, flake8, PyTest (smoke), GitHub Actions

• Traceability: match_id z nazwy pliku + source_file

Licencja / Dane

Projekt zakłada pliki events w formacie zgodnym ze StatsBomb-like.
Sprawdź licencję i warunki wykorzystania danych, z których korzystasz, zanim udostępnisz repo publicznie.