東京1600m

%run 0.2_Function.ipynb

# 2005-2025 東京
df = result_df("2015", "2025", ["東"])

---------------------------------------------------------------------------
Exception                                 Traceback (most recent call last)
Cell In[2], line 2
      1 # 2005-2025 東京
----> 2 df = result_df("2015", "2025", ["東"])

File /tmp/ipykernel_2845/2063706412.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: 

distance = df["距離"] == 1600
ground_type = df["芝・ダ"] == "芝"
# race_class = df["クラスコード"] >= 100
arrival = df["確定着順"] == 1
cond = distance & ground_type & arrival
df = df[cond]

df[
    [
        "レース日",
        "レース名",
        "クラスコード",
        "馬名",
        "走破タイム",
        "上がり3Fタイム",
        "PCI",
        "馬場状態",
        "年齢",
        "騎手名",
        "単勝オッズ",
    ]
].sort_values("走破タイム").head(10)

	レース日	レース名	クラスコード	馬名	走破タイム	上がり3Fタイム	PCI	馬場状態	年齢	騎手名	単勝オッズ
132771	2019-05-12	ヴィクトG1	195	ノームコア	90.5	33.2	53.6	良	4	レーン	9.4
137760	2020-05-17	ヴィクトG1	195	アーモンドアイ	90.6	32.9	55.2	良	5	ルメール	1.4
138796	2019-06-02	安田記念G1	195	インディチャンプ	90.9	32.9	55.8	良	4	福永祐一	19.2
113205	2021-05-16	ヴィクトG1	195	グランアレグリア	91.0	32.6	57.5	良	5	ルメール	1.3
107985	2018-06-03	安田記念G1	195	モズアスコット	91.3	33.3	54.5	良	4	ルメール	15.7
68083	2012-06-03	安田記念G1	195	ストロングリターン	91.3	33.8	52.1	良	6	福永祐一	6.7
91837	2023-06-04	安田記念G1	195	ソングライン	91.4	33.1	55.7	良	5	戸崎圭太	7.4
151909	2023-10-21	富士ＳG2	179	ナミュール	91.4	33.8	52.2	良	4	モレイラ	3.8
51296	2010-05-09	ＮＨＫマG1	195	ダノンシャンティ	91.4	33.5	53.7	良	3	安藤勝己	2.6
35500	2013-06-02	安田記念G1	195	ロードカナロア	91.5	33.3	54.9	良	5	岩田康誠	4.0

df["クラス"] = df["クラスコード"].map(class_code_labels)

import matplotlib.pyplot as plt
import pandas as pd
import seaborn as sns

# ---------------- 前処理はそのまま ----------------
cols = ["上がり3Fタイム", "走破タイム"]
df[cols] = df[cols].apply(pd.to_numeric, errors="coerce")
df_plot = df.dropna(subset=cols)

df_yasuda  = df_plot[df_plot["レース名"] == "安田記念G1"]
df_others  = df_plot[df_plot["レース名"] != "安田記念G1"]

# ---------- ① 件数を計算して辞書にまとめる ----------
class_counts = df_others["クラス"].value_counts().to_dict()  # {'7': 120, '10': 87, ...}
yasuda_count = len(df_yasuda)                               # 例: 34
class_counts["安田記念"] = yasuda_count                     # まとめておくと後で楽

# ---------- ② 描画 ----------
plt.figure(figsize=(10, 7))
sns.set(style="whitegrid", font="Ricty Diminished")

# その他レース
sns.scatterplot(
    data=df_others,
    x="上がり3Fタイム",
    y="走破タイム",
    alpha=0.5,
    s=20,
    edgecolor="none",
    hue="クラス",
    palette="tab10",
)

# 安田記念
sns.scatterplot(
    data=df_yasuda,
    x="上がり3Fタイム",
    y="走破タイム",
    color="red",
    alpha=0.7,
    s=70,
    marker="X",
    edgecolor="black",
    linewidth=0.3,
    label="安田記念",        # ← 後で「安田記念 (n=xx)」に変える
)

plt.xlabel("上がり3Fタイム（秒）")
plt.ylabel("走破タイム（秒）")
plt.title("東京マイルの時計と安田記念の時計")

# ---------- ③ 凡例を書き換え ----------
handles, labels = plt.gca().get_legend_handles_labels()

new_labels = [
    f"{lbl} (n={class_counts.get(lbl, 0)})"   # 安田記念も含めて辞書から件数取得
    for lbl in labels
]

plt.legend(handles, new_labels, title="クラス別（件数）", frameon=True)

plt.tight_layout()
plt.show()

# 2005-2025 東京
df = result_df("2005", "2025", ["東"])
distance = df["距離"] == 1600
ground_type = df["芝・ダ"] == "芝"
race_class = df["クラスコード"] >= 115
arrival = df["確定着順"] == 1
cond = distance & ground_type & arrival & race_class
df = df[cond]

# 数値化と欠損除去（前処理）
cols = ["上がり3Fタイム", "走破タイム"]
df[cols] = df[cols].apply(pd.to_numeric, errors="coerce")
df_plot = df.dropna(subset=cols)

# 安田記念とそれ以外に分割
df_yasuda = df_plot[df_plot["レース名"] == "安田記念G1"]
df_others = df_plot[df_plot["レース名"] != "安田記念G1"]

# 描画
plt.figure(figsize=(10, 7))
sns.set(style="whitegrid", font="Ricty Diminished")

# 1) その他のレースを薄めに表示
sns.scatterplot(
    data=df_others,
    x="上がり3Fタイム",
    y="走破タイム",
    alpha=0.7,
    edgecolor="none",
    hue="レース名",
    palette="tab20",  # 任意。カテゴリ数に応じて調整可
)

# 2) 安田記念を強調
sns.scatterplot(
    data=df_yasuda,
    x="上がり3Fタイム",
    y="走破タイム",
    color="red",
    # 点のサイズ
    s=100,
    # マーカーを変える（例: "X", "D", "^"など）
    marker="X",
    edgecolor="black",
    linewidth=0.3,
    label="安田記念",
)

plt.xlabel("上がり3Fタイム（秒）")
plt.ylabel("走破タイム（秒）")
plt.title("東京マイルの時計と安田記念の時計")
plt.legend()
plt.tight_layout()
plt.show()

cond = df["レース名"] == "安田記念G1"
df[cond][
    [
        "レース日",
        "馬場状態",
        "馬名",
        "走破タイム",
        "上がり3Fタイム",
        "父馬名",
        "母の父馬名",
    ]
].sort_values("レース日")

	レース日	馬場状態	馬名	走破タイム	上がり3Fタイム	父馬名	母の父馬名
9470	2015-06-07	良	モーリス	92.0	34.5	スクリーンヒーロー	カーネギー
23977	2016-06-05	良	ロゴタイプ	93.0	33.9	ローエングリン	サンデーサイレンス
3802	2017-06-04	良	サトノアラジン	91.5	33.5	ディープインパクト	Storm Cat
51660	2018-06-03	良	モズアスコット	91.3	33.3	Frankel	Hennessy
72440	2019-06-02	良	インディチャンプ	90.9	32.9	ステイゴールド	キングカメハメハ
68973	2020-06-07	稍	グランアレグリア	91.6	33.7	ディープインパクト	Tapit
33551	2021-06-06	良	ダノンキングリー	91.7	33.1	ディープインパクト	Storm Cat
56453	2022-06-05	良	ソングライン	92.3	32.9	キズナ	シンボリクリスエス
42648	2023-06-04	良	ソングライン	91.4	33.1	キズナ	シンボリクリスエス
75145	2024-06-02	稍	ロマンチックウォリ	92.3	33.4	Acclamation	Street Cry

• 安田記念

  • 走破タイム、上がり3Fともに速いレース質になる。

  • 1.31秒台の決着で上がりも33秒台のレースが前提となるレース