SkillCorner¶

Load local files¶

In [1]:

from kloppy import skillcorner

dataset = skillcorner.load(
    meta_data="../../kloppy/tests/files/skillcorner_match_data.json",
    raw_data="../../kloppy/tests/files/skillcorner_structured_data.json",
    
    # Optional arguments
    sample_rate=1/10,
    limit=100,
    coordinates="skillcorner",
    include_empty_frames=False
)

dataset.to_df().head()

from kloppy import skillcorner dataset = skillcorner.load( meta_data="../../kloppy/tests/files/skillcorner_match_data.json", raw_data="../../kloppy/tests/files/skillcorner_structured_data.json", # Optional arguments sample_rate=1/10, limit=100, coordinates="skillcorner", include_empty_frames=False ) dataset.to_df().head()

Out[1]:

	period_id	timestamp	frame_id	ball_state	ball_owning_team_id	ball_x	ball_y	ball_z	home_22_x	home_22_y	...	away_anon_304_d	away_anon_304_s	home_anon_368_x	home_anon_368_y	home_anon_368_d	home_anon_368_s	home_anon_423_x	home_anon_423_y	home_anon_423_d	home_anon_423_s
0	1	12.0	1531	None	NaN	18.887029	30.037350	1.246213	14.195641	23.489013	...	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN
1	1	13.0	1541	None	NaN	13.514701	25.827027	0.657040	14.230466	15.453939	...	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN
2	1	14.0	1551	None	NaN	16.835040	27.427233	0.057516	15.328696	17.867260	...	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN
3	1	15.0	1561	None	NaN	11.656880	24.721404	NaN	13.642248	22.210971	...	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN
4	1	16.0	1571	None	103.0	7.426918	30.572856	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN

5 rows × 140 columns

Load remote files¶

In [2]:

from kloppy import skillcorner

dataset = skillcorner.load(
    meta_data="https://raw.githubusercontent.com/SkillCorner/opendata/master/data/matches/4039/match_data.json",
    raw_data="https://raw.githubusercontent.com/SkillCorner/opendata/master/data/matches/4039/structured_data.json",
    
    # Optional arguments
    sample_rate=1/10,
    limit=100,
    coordinates="skillcorner",
    include_empty_frames=False
)

dataset.to_df().head()

from kloppy import skillcorner dataset = skillcorner.load( meta_data="https://raw.githubusercontent.com/SkillCorner/opendata/master/data/matches/4039/match_data.json", raw_data="https://raw.githubusercontent.com/SkillCorner/opendata/master/data/matches/4039/structured_data.json", # Optional arguments sample_rate=1/10, limit=100, coordinates="skillcorner", include_empty_frames=False ) dataset.to_df().head()

Out[2]:

	period_id	timestamp	frame_id	ball_state	ball_owning_team_id	ball_x	ball_y	ball_z	home_47_x	home_47_y	...	home_31_d	home_31_s	home_anon_471_x	home_anon_471_y	home_anon_471_d	home_anon_471_s	home_anon_501_x	home_anon_501_y	home_anon_501_d	home_anon_501_s
0	1	1.0	452	None	NaN	14.693770	-0.907936	5.222056e-02	-4.630710	-20.740084	...	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN
1	1	2.0	462	None	NaN	14.634828	-0.030155	-3.604550e-02	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN
2	1	13.0	572	None	40.0	37.410470	-19.993496	-7.256100e-16	19.580474	-19.368974	...	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN
3	1	14.0	582	None	40.0	42.215165	-22.637840	1.230652e-01	26.785449	-18.257435	...	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN
4	1	15.0	592	None	40.0	42.433060	-28.680917	NaN	31.769383	-22.166959	...	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN

5 rows × 112 columns

Load open data¶

In [3]:

from kloppy import skillcorner

dataset = skillcorner.load_open_data(
    match_id=4039,
    
    # Optional arguments
    sample_rate=1/10,
    limit=100,
    coordinates="skillcorner",
    include_empty_frames=False
)

dataset.to_df().head()

from kloppy import skillcorner dataset = skillcorner.load_open_data( match_id=4039, # Optional arguments sample_rate=1/10, limit=100, coordinates="skillcorner", include_empty_frames=False ) dataset.to_df().head()

Out[3]:

	period_id	timestamp	frame_id	ball_state	ball_owning_team_id	ball_x	ball_y	ball_z	home_47_x	home_47_y	...	home_31_d	home_31_s	home_anon_471_x	home_anon_471_y	home_anon_471_d	home_anon_471_s	home_anon_501_x	home_anon_501_y	home_anon_501_d	home_anon_501_s
0	1	1.0	452	None	NaN	14.693770	-0.907936	5.222056e-02	-4.630710	-20.740084	...	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN
1	1	2.0	462	None	NaN	14.634828	-0.030155	-3.604550e-02	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN
2	1	13.0	572	None	40.0	37.410470	-19.993496	-7.256100e-16	19.580474	-19.368974	...	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN
3	1	14.0	582	None	40.0	42.215165	-22.637840	1.230652e-01	26.785449	-18.257435	...	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN
4	1	15.0	592	None	40.0	42.433060	-28.680917	NaN	31.769383	-22.166959	...	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN

5 rows × 112 columns