ローテーション

ローテーション#

%run 0.2_Function.ipynb

df = result_df("2015", "2024", ["東"])

---------------------------------------------------------------------------
Exception                                 Traceback (most recent call last)
Cell In[2], line 1
----> 1 df = result_df("2015", "2024", ["東"])

File /tmp/ipykernel_2774/2063706412.py:16, in result_df(__type, __start, __end, __location)
     14     columns = payout_columns
     15 else:
---> 16     raise Exception
     19 # CSVファイルごとに処理
     20 for file in csv_files:

Exception: 

df = df[
    ["レース日", "馬名", "場所", "確定着順", "単勝オッズ", "距離", "芝・ダ", "騎手名",'通過順4', '父馬名']
]

# 距離ローテ
df = df.sort_values(["馬名", "レース日"])

df["前走距離"] = (
    df
    # ← PARTITION BY 馬名
    .groupby("馬名")["距離"]
    # ← LAG(distance, 1)
    .shift(1)
)
df["距離延長"] = (df["距離"] >= df["前走距離"] + 200).fillna(False)
df["距離短縮"] = (df["距離"] <= df["前走距離"] - 200).fillna(False)

# 芝・ダートのローテ
df["前走芝・ダ"] = (
    df
    # PARTITION BY 馬名
    .groupby("馬名")["芝・ダ"]
    # LAG(芝・ダ, 1)
    .shift(1)
)

df["芝→ダ"] = np.where(
    df["前走芝・ダ"].notna()
    & (df["芝・ダ"] != df["前走芝・ダ"])
    & (df["前走芝・ダ"] == "芝"),
    True,  # 前走と違う ⇒ 変更あり
    False,  # 前走と同じ or 前走なし
)
df["ダ→芝"] = np.where(
    df["前走芝・ダ"].notna()
    & (df["芝・ダ"] != df["前走芝・ダ"])
    & (df["前走芝・ダ"] == "ダ"),
    True,  # 前走と違う ⇒ 変更あり
    False,  # 前走と同じ or 前走なし
)

# 騎手のローテ
df["前走騎手名"] = df.groupby("馬名")["騎手名"].shift(1)

df["乗り替わり"] = np.where(
    df["前走騎手名"].notna() & (df["騎手名"] != df["前走騎手名"]), True, False
)

# 判定したい騎手名をリストで用意
top_jockeys = ["ルメール", "レーン", "モレイラ","Ｃ．デム"]

# True / False のブール Series を作成
is_top_jockey = df["前走騎手名"].isin(top_jockeys)
is_not_top_jockey = ~df["騎手名"].isin(top_jockeys)


df["鞍上弱化"] = np.where(
    df["前走騎手名"].notna() & (df["騎手名"] != df["前走騎手名"]) & is_top_jockey & is_not_top_jockey, True, False
)

# 前走通過順
df["前走通過順4"] = (
    df
    # PARTITION BY 馬名
    .groupby("馬名")["通過順4"]
    # LAG(芝・ダ, 1)
    .shift(1)
)

df.head(20)

	レース日	馬名	場所	確定着順	単勝オッズ	距離	芝・ダ	騎手名	通過順4	父馬名	前走距離	距離延長	距離短縮	前走芝・ダ	芝→ダ	ダ→芝	前走騎手名	乗り替わり	鞍上弱化	前走通過順4
75081	2023-10-22	アアル	東京	14	14.7	1400	ダ	菅原明良	12	Malibu Moon	NaN	False	False	NaN	False	False	NaN	False	False	NaN
6170	2015-06-13	アイアイエンデバー	東京	10	65.7	2100	ダ	西田雄一	8	ゴールドヘイロー	NaN	False	False	NaN	False	False	NaN	False	False	NaN
27589	2015-10-18	アイアイエンデバー	東京	12	76.3	2100	ダ	田中勝春	16	ゴールドヘイロー	2100.0	False	False	ダ	False	False	西田雄一	True	False	8.0
28235	2015-11-01	アイアイエンデバー	東京	15	221.9	1400	ダ	江田照男	15	ゴールドヘイロー	2100.0	False	True	ダ	False	False	田中勝春	True	False	16.0
23524	2016-04-30	アイアイエンデバー	東京	12	474.7	1600	芝	嘉藤貴行	9	ゴールドヘイロー	1400.0	True	False	ダ	False	True	江田照男	True	False	15.0
24791	2016-05-22	アイアイエンデバー	東京	9	261.0	1800	芝	嘉藤貴行	9	ゴールドヘイロー	1600.0	True	False	芝	False	False	嘉藤貴行	False	False	9.0
20325	2016-06-04	アイアイエンデバー	東京	9	222.2	2000	芝	西田雄一	7	ゴールドヘイロー	1800.0	True	False	芝	False	False	嘉藤貴行	True	False	9.0
2562	2016-11-26	アイアイハッピー	東京	7	173.8	1600	ダ	石橋脩	8	ゴールドヘイロー	NaN	False	False	NaN	False	False	NaN	False	False	NaN
55555	2017-01-29	アイアイハッピー	東京	8	144.8	1300	ダ	柴山雄一	12	ゴールドヘイロー	1600.0	False	True	ダ	False	False	石橋脩	True	False	8.0
15225	2017-05-21	アイアイハッピー	東京	11	192.5	1600	ダ	野中悠太	5	ゴールドヘイロー	1300.0	True	False	ダ	False	False	柴山雄一	True	False	12.0
908	2017-06-18	アイアイハッピー	東京	9	229.2	1600	ダ	菊沢一樹	3	ゴールドヘイロー	1600.0	False	False	ダ	False	False	野中悠太	True	False	5.0
16127	2021-02-06	アイアゲート	東京	2	4.7	1400	ダ	津村明秀	3	ダイワメジャー	NaN	False	False	NaN	False	False	NaN	False	False	NaN
51834	2021-05-16	アイアゲート	東京	1	4.4	1400	ダ	戸崎圭太	1	ダイワメジャー	1400.0	False	False	ダ	False	False	津村明秀	True	False	3.0
3992	2022-02-19	アイアゲート	東京	10	21.8	1600	ダ	坂井瑠星	1	ダイワメジャー	1400.0	True	False	ダ	False	False	戸崎圭太	True	False	1.0
76959	2022-05-21	アイアゲート	東京	7	10.5	1400	ダ	菅原明良	2	ダイワメジャー	1600.0	False	True	ダ	False	False	坂井瑠星	True	False	1.0
9955	2024-02-04	アイアゲート	東京	4	12.1	1800	芝	坂井瑠星	4	ダイワメジャー	1400.0	True	False	ダ	False	True	菅原明良	True	False	2.0
34642	2019-10-05	アイアス	東京	15	136.1	1400	芝	武士沢友	15	カネヒキリ	NaN	False	False	NaN	False	False	NaN	False	False	NaN
16945	2021-02-20	アイアムイチオシ	東京	13	122.7	1600	ダ	内田博幸	9	ヘニーヒューズ	NaN	False	False	NaN	False	False	NaN	False	False	NaN
29865	2021-06-05	アイアムイチオシ	東京	13	24.1	1400	ダ	山田敬士	5	ヘニーヒューズ	1600.0	False	True	ダ	False	False	内田博幸	True	False	9.0
49357	2024-11-02	アイアムイチバン	東京	5	3.2	1600	ダ	戸崎圭太	6	パイロ	NaN	False	False	NaN	False	False	NaN	False	False	NaN

df["前走通過順4"] = pd.to_numeric(df["前走通過順4"], errors="coerce")
df["単勝オッズ"]   = pd.to_numeric(df["単勝オッズ"],   errors="coerce")
df["確定着順"]     = pd.to_numeric(df["確定着順"],     errors="coerce")

# フィルタ条件
cond = (
    #(df["前走通過順4"] >= 9) &     # 前走通過順が 9 以上
    #(df["前走通過順4"] <= 4) &     # 前走通過順が 9 以上
    #(df["距離延長"]) &            # 距離延長 == True
    #(df["距離短縮"]) &            # 距離延長 == True
    (df["単勝オッズ"] < 10)   &      # 単勝オッズ < 40
    (df["鞍上弱化"])
)

sub = df.loc[cond].copy()

# 父馬名ごとに集計
summary = (
    sub.groupby("父馬名")
       .agg(
            sample=("確定着順", "size"),
            勝率=("確定着順", lambda s: (s.eq(1)).mean() * 100),
            複勝率=("確定着順", lambda s: (s.le(3)).mean() * 100),
       )
       .round({"勝率": 2, "複勝率": 2})
       .sort_values("sample", ascending=False) 
)
# min sample
min_samples = 35

summary_filtered = summary[summary["sample"] >= min_samples]

summary_filtered.reset_index().sort_values('複勝率', ascending=False)

	父馬名	sample	勝率	複勝率
3	ロードカナロア	44	22.73	54.55
0	ディープインパクト	123	12.20	51.22
1	ハーツクライ	54	18.52	46.30
2	キングカメハメハ	52	17.31	42.31