MatchAnalysis Deel 3 — PassGraph

In dit deel bouw je de eigenlijke graaf die passes tussen spelers bijhoudt en er eenvoudige analyses op uitvoert.
We gebruiken een nabijheidslijst-representatie: per zender (speler) bewaren we een lijst van uitgaande Pass-objecten.

---

Achtergrond

Een graaf bestaat uit knopen (nodes) en verbindingen (edges).
In onze toepassing is een knoop een speler en een verbinding een pass tussen twee spelers.

We gebruiken hiervoor een nabijheidslijst-representatie:

• Elke speler heeft een lijst van passes die hij heeft gegeven.
• Een pass heeft altijd:
  • een zender (sender — de speler die de bal geeft)
  • een ontvanger (receiver — de speler die de bal ontvangt)
  • een gewicht (nr_of_times — hoe vaak deze pass in de wedstrijd is gebeurd)

---

Doel

Implementeer een klasse PassGraph waarmee je:

• spelers kunt toevoegen,
• passes kunt registreren en ophogen,
• buren/uitgaande passes kunt opvragen,
• eenvoudige statistieken kunt berekenen, zoals pasintensiteit binnen (een deel van) het team.

---

Gegeven

Je hebt uit Deel 1 en Deel 2:

• Player(name: str, number: int)
• Pass(sender: Player, receiver: Player, nr_of_times: int) met:
  • get_weight() → nr_of_times
  • get_start() → sender
  • get_end() → receiver
  • __eq__ vergelijkt enkel op sender en receiver
  • __str__ geeft "Pass from <sender> to <receiver>"

---

Wat je moet bouwen (11 punten)

Klasse: PassGraph

1) Interne representatie (1 punt)

• players — lijst met alle spelers in de graaf.
• adj — dict met als key sender-naam en als waarden een lijst van Pass-objecten die van die sender vertrekken.

2) Basisoperaties (6 punten)

• methode add_player met playerals argument
  • Voeg player toe als er nog geen speler met dezelfde name bestaat.
  • Zorg dat er een lijst voor player oject bestaat in adj.
• methode has_player met als argument speler(object of naam).
  • Retourneer True als de speler (of naam) in de graaf zit.
  • Ondersteun zowel een Player-object als een str (naam).
• methode get_player met als argument name
  • Zoek en retourneer de Player met deze naam, of None als die niet bestaat.
• methode add_pass met als argumenten sender (Player object), receiver (Player object) en times (int - default = 1).
  • Vereist dat beide spelers al aan de graaf zijn toegevoegd.
  • Als er al een pass sender → receiver bestaat, verhoog dan nr_of_times met times.
  • Anders maak je een nieuwe Pass(sender, receiver, times) en voeg je die toe aan adj bij de correcte speler.
  • als times <= 0, negeer of werp ValueError
• methode get_pass met als argumenten sender_name(str) en receiver_name(str) .
  • Geef de pass terug als die bestaat; anders None.
• methode neighbors met als argument sender_name (str)
  • Retourneer de lijst uitgaande passes van deze zender (lege lijst als onbekend of geen uitgaande passes).

3) Analysefuncties (4 punten)

• methode total_weight met als argument subset een lijst van spelernamen
  • Som van nr_of_times over alle passes waarvan zender én ontvanger in subset zitten.
  • Als subset None is: neem alle spelers.
  • subset is een lijst spelernamen.

• methode pass_intensity(self, subset: list[str] | None = None) -> float met als argument subset een lijst van spelernamen Deze methode berekent hoe sterk een groep spelers onderling met elkaar samenpasst.

  De intensiteit wordt gedefinieerd als:
  \(\text{pass_intensity} = \frac{\text{totaal aantal passes binnen de subset}}{\text{maximaal mogelijk aantal gerichte passes binnen de subset}}\)

  • Teller (numerator): de som van alle nr_of_times voor passes waarbij zowel de zender als de ontvanger binnen de subset van spelers zitten.
  • Noemer (denominator): het maximaal aantal mogelijke gerichte passes binnen de subset.
    • Voor ( n ) spelers in de subset kan elke speler naar ( n-1 ) andere spelers passen.
    • Dus de noemer is (n * (n-1)).

  Speciale gevallen

  • Als de subset minder dan 2 spelers bevat (( n < 2 )), is de intensiteit gedefinieerd als 0.0.

  Voorbeeld

  • Bij een subset van 3 spelers zijn er maximaal ( 3 * 2 = 6 ) mogelijke gerichte passes.
  • Stel dat er in werkelijkheid 9 passes tussen deze 3 spelers gebeurden, dan is de intensiteit ( 9 / 6 = 1.5 ).
    (De waarde kan dus groter zijn dan 1, aangezien passes meerdere keren kunnen voorkomen.)
• methode top_pairs met argument k (int, default = 5)
  • Retourneer de top k passes als lijst met de hoogste nr_of_times (globaal).
• methode distribution_from met als argument sender_name (str)
  • Retourneer voor een zender een lijst (receiver_name, count) gesorteerd dalend op count.
  • Handig om te zien naar wie een speler het meest passt.

Opmerkingen

• Methoden die namen verwachten moeten robuust omgaan met onbekende namen:
  • Geef None of [] terug (zoals gespecificeerd hierboven), maar gooi geen exceptie in normale query-methodes.
• Ga ervan uit dat spelernamen uniek zijn binnen dezelfde PassGraph.

---

Testen (1 punt)

Maak het volgende testscenario

• aanmaken PassGraph object
• aanmaken 4 spelers
• voeg spelers toe aan PassGraph object
• voeg 6 passen toe
• test de verschillende analyse methodes