SkillCorner¶

Load local files¶

In [1]:

Copied!





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 open data files¶

SkillCorner has available a selection of 9 games available on their GitHub, listed below are these games and their respective match_ids.

match_id	home_team	away_team	date_time
4039	Manchester City	Liverpool	2020-07-02
3749	Dortmund	Bayern Munchen	2020-05-26
3518	Juventus	Inter	2020-03-08
3442	Real Madrid	FC Barcelona	2020-03-01
2841	FC Barcelona	Real Madrid	2019-12-18
2440	Liverpool	Manchester City	2019-11-10
2417	Bayern Munchen	Dortmund	2019-11-09
2269	Paris	Marseille	2019-10-27
2068	Inter	Juventus	2019-10-06

In [2]:

Copied!





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 remote files¶

Kloppy supports remote files through fsspec FileSystem under the hood. This allows you to work with files in AWS S3, Google Cloud, Azure Blob, HDFS, FTP, and SFTP without extra tools. For example you can pass:

Individual s3 file paths: (e.g raw_data=s3://.../skillcorner_match_data.jsonl)

Note: Kloppy might throw an the first time to help you identify missing cloud specific dependencies like s3fs.

In [ ]:

Copied!





from kloppy import skillcorner

dataset = skillcorner.load_open_data(
    meta_data="s3://.../skillcorner_match_data.jsonl",
    raw_data="s3://.../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_open_data(
    meta_data="s3://.../skillcorner_match_data.jsonl",
    raw_data="s3://.../skillcorner_structured_data.json",
    
    # Optional arguments
    sample_rate=1/10,
    limit=100,
    coordinates="skillcorner",
    include_empty_frames=False
)

dataset.to_df().head()

Out[ ]:

	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