

In [6]:

    
import pandas as pd
from ploev.calc import Calc
from ploev.ppt import OddsOracle
from ploev.cards import Board
from ploev.easy_range import BoardExplorer

Сначала присоединяемся к серверу OddsOracle



In [7]:

    
odds_oracle = OddsOracle()
calc = Calc(odds_oracle)









    



2018-02-04 03:31:37,481 - ppt - WARNING - Connection to http://localhost:40000/xmlrpc failed

Попадание во флоп

Мы хотим посмотреть, как часто (и как сильно) префлоп диапазоны попадают в определенные флопы. Для этого нам нужно задать:

Префлоп диапазоны
Поддиапазоны попадания во флоп (для разных типов флопов они будут разные), например
- Strong
- Good
- Medium
- Weak
Разные флопы (в этом примере будет только один флоп)

Задаем начальные условия



In [21]:

    
# Префлоп диапазоны (используем сохранненные диапазоны PokerJuice)
main_ranges = ['$FI12', '$FI20', '$FI25', '$FI30', '$FI40', '$FI50', 
               '$3b4i', '$3b6i', '$3b8i', '$3b10i', '$3b12i', '$3b15i',
               '$3b4o', '$3b6o', '$3b8o', '$3b10o', '$3b12o', '$3b15o',]

# Поддиапазоны попадания во флоп в формате easy_range
sub_easy_ranges = [
    'MS+, SD16_16+, (T2P+):(SD8_8+), (TP,MP,BP,OP3+):SD12_12+',
    'T2P+, SD12_12+, (2P+):(SD8+), (TP,MP,BP,OP3+):SD12+',
    'TP,OP2+, SD8_8+',
    '*',
]

# Флоп
flop = '9d8s2h'

# Переводим поддиапазоны в формат PPT с помощью easy_range.BoardExplorer
board_explorer = BoardExplorer(Board.from_str(flop))
sub_ranges = [board_explorer.ppt(sub_easy_range) for sub_easy_range in sub_easy_ranges]



In [22]:

    
matching = [] # В этом list'e будут храниться проценты попадания каждого диапазона

Функция, которая обращается к OddsOracle, чтобы получить проценты попадания



In [23]:

    
def get_matching(board, main_range, sub_ranges):
    return calc.range_distribution(main_range, sub_ranges, board, equity=False)

В цикле для каждого префлоп диапазона получам проценты попадания



In [24]:

    
for main_range in main_ranges:
    calc_results = get_matching(flop, main_range, sub_ranges)
    fractions = [round(calc_result.fraction * 100) for calc_result in calc_results]
    matching.append(fractions)

Создаем pandas.DataFrame из нашего list'а

Это нужно только для удобства. Этот DataFrame аккуратно отображается в блокноте, из него можно быстро сделать разные графики, его можно легко экспортировать в разные форматы (CVS, excel...) и т.д



In [25]:

    
columns = ['Strong', 'Good', 'Medium', 'Weak']
df = pd.DataFrame.from_records(matching, columns=columns, index=main_ranges)

Вот результат



In [26]:

    
df

Несколько графиков



In [27]:

    
import matplotlib.pyplot as plt
%matplotlib inline



In [28]:

    
df.plot(kind='bar',stacked='True', figsize=(10, 4))









    Out[28]:





<matplotlib.axes._subplots.AxesSubplot at 0xa17d978>



In [29]:

    
df.plot(kind='bar', figsize=(15, 4))









    Out[29]:





<matplotlib.axes._subplots.AxesSubplot at 0xa23dac8>



In [30]:

    
df[:6].plot(figsize=(10, 4)) # Только для $FI









    Out[30]:





<matplotlib.axes._subplots.AxesSubplot at 0xa09d860>



In [31]:

    
df[6:12].plot(figsize=(10, 4)) # Только для $3bi









    Out[31]:





<matplotlib.axes._subplots.AxesSubplot at 0xc32a8d0>

Сохраняем как excel файл



In [32]:

    
df.to_excel("matching.xls")



In [ ]:

	Strong	Good	Medium	Weak
$FI12	4	9	56	31
$FI20	4	8	44	43
$FI25	4	8	40	48
$FI30	4	8	38	50
$FI40	4	8	35	54
$FI50	4	8	34	55
$3b4i	3	7	80	10
$3b6i	5	17	62	17
$3b8i	5	15	54	26
$3b10i	5	13	49	33
$3b12i	4	12	45	39
$3b15i	4	11	44	41
$3b4o	6	14	66	15
$3b6o	5	18	55	22
$3b8o	5	16	47	32
$3b10o	5	15	48	33
$3b12o	4	14	48	34
$3b15o	4	12	50	35