文件名称：fpl-data:AWS Lambda函数，用于为FPL数据分析器准备数据，例如FPL Advisor（177arcfpl-advisor）
文件大小：1.15MB
文件格式：ZIP
更新时间：2024-04-30 12:16:38
Python
AWS Lambda函数，用于计算FPL数据统计信息 该项目的目的是提供给一个，该具有以下： 从检索数据 使用计算各种统计数据，包括每个游戏周的预期分数 使准备好的数据集可用于数据分析器，例如 。 数据集在公共 lambda函数在白天按小时计划在AWS中运行，并不断更新数据。 重要数据点 以下数据点值得强调： 下一个GW预期积分：每个玩家在即将到来的游戏周中有望获得的积分。 预期分数：预期该玩家每周获得的分数。 预期目标：希望球员的球队在每个比赛周进球。 预期进球数：预计每个比赛周球员团队要失球的进球。 期望点计算方法 基本思想是，球员产生积分能力的最佳证据是，在考虑到对方球队的困难的同时，看过去固定装置的滑动窗口。 每个玩家每个游戏周的预期积分是通过以下方式获得的： 在过去比赛的滑动窗口（目前为12个）上，每种事件类型（例如进球，失球，单张纸，黄牌等等）的每个球员都将分开。
【文件预览】：
fpl-data-develop
----.gitignore(88B)
----requirements.txt(75B)
----fpldata()
--------s3store.py(7KB)
--------__init__.py(0B)
--------prepare.py(6KB)
--------derive.py(41KB)
--------manager.py(6KB)
--------backtest.py(3KB)
--------test.py(4KB)
--------common.py(4KB)
--------export.py(2KB)
----data()
--------data_sets.csv(3KB)
--------team_goals_stats_estimates.csv(364B)
--------data_dictionary.csv(30KB)
--------2019-20()
----layer()
--------create-layer.sh(910B)
----LICENSE(1KB)
----.github()
--------workflows()
----README.md(8KB)
----.idea()
--------.gitignore(47B)
--------fpl-data.iml(552B)
--------misc.xml(419B)
--------vcs.xml(180B)
--------inspectionProfiles()
--------markdown-navigator-enh.xml(4KB)
--------modules.xml(268B)
--------markdown-navigator.xml(3KB)
----tests()
--------e2e()
--------integration()
--------comp()
----prep_data.ipynb(27KB)
----deploy_test.py(121B)
----lambda.py(475B)
----build_deploy.py(3KB)
----requirements_ci_cd.txt(107B)
----run_tests.py(93B)