LHSRSM - Wranglers

Flames
Accueil
Formation
Points
Informations joueurs
Lignes
Statistiques d’équipe
Calendrier
Finance
Statistiques d’équipe en carrière
Client Web pour les lignes

Centre de jeu
	IceHogs 28-18-2, 58pts	10	FINAL	5	Wranglers 11-38-1, 23pts

Team Stats
W3	Streak	W1
17-9-1	Home Record	6-18-1
11-9-1	Away Record	5-20-0
6-4-0	Last 10 Games	3-7-0
6.46	Goals Per Game	3.72
5.06	Goals Against Per Game	6.76
29.41%	Power Play Percentage	23.53%
61.73%	Penalty Kill Percentage	62.00%

Wranglers
11-38-1, 23pts

FINAL

Firebirds
6-40-3, 15pts

Team Stats
W1	Streak	SOL1
6-18-1	Home Record	3-22-1
5-20-0	Away Record	3-18-2
3-7-0	Last 10 Games	2-6-2
3.72	Goals Per Game	3.73
6.76	Goals Against Per Game	7.41
23.53%	Power Play Percentage	22.67%
62.00%	Penalty Kill Percentage	75.00%

Wranglers
11-38-1, 23pts

2023-02-06

Wolf Pack
34-12-3, 71pts

Statistiques d’équipe
W1	Séquence	L1
6-18-1	Fiche domicile	18-7-1
5-20-0	Fiche visiteur	16-5-2
3-7-0	10 derniers matchs	8-1-1
3.72	Buts par match	4.86
6.76	Buts contre par match	2.51
23.53%	Pourcentage en avantage numérique	19.44%
62.00%	Pourcentage en désavantage numérique	83.52%

Wranglers
11-38-1, 23pts

2023-02-09

Griffins
26-21-2, 54pts

Statistiques d’équipe
W1	Séquence	L1
6-18-1	Fiche domicile	13-10-2
5-20-0	Fiche visiteur	13-11-0
3-7-0	10 derniers matchs	5-5-0
3.72	Buts par match	3.55
6.76	Buts contre par match	2.94
23.53%	Pourcentage en avantage numérique	27.03%
62.00%	Pourcentage en désavantage numérique	75.31%

Wranglers
11-38-1, 23pts

2023-02-11

Americans
14-32-4, 32pts

Statistiques d’équipe
W1	Séquence	L3
6-18-1	Fiche domicile	5-17-3
5-20-0	Fiche visiteur	9-15-1
3-7-0	10 derniers matchs	2-8-0
3.72	Buts par match	4.62
6.76	Buts contre par match	5.34
23.53%	Pourcentage en avantage numérique	25.29%
62.00%	Pourcentage en désavantage numérique	63.75%

Meneurs d'équipe
	Buts Lassi Thomson 9	Passes Lassi Thomson 24

	Points Lassi Thomson 33	Plus/Moins Lassi Thomson -27

Statistiques d’équipe
Buts pour 186 3.72 GFG	Tirs pour 1840 36.80 Avg	Pourcentage en avantage numérique 23.5% 16 GF	Début de zone offensive 33.9%
Buts contre 338 6.76 GAA	Tirs contre 2869 57.38 Avg	Pourcentage en désavantage numérique 62.0% 19 GA	Début de la zone défensive 41.2%

Informations de l'équipe
	Directeur général
	Division	Pacifique
	Conférence	Ouest
	Capitaine
	Assistant #1
	Assistant #2
Informations de l’aréna
	Capacité	3,000
	Assistance	0
	Billets de saison	300
Informations de la formation
	Équipe Pro	10
	Équipe Mineure	18
	Limite contact	28 / 250
	Espoirs	19
Historique d'équipe
	Saison actuelle	11-38-1 (23PTS)
	Historique	102-497-20 (0.165%)
	Apparitions en séries éliminatoires	0
	Historique en séries éliminatoires (W-L)	-
	Coupe Stanley	0

Afficher ou masquer des colonnes

Astuces sur les filtres (anglais seulement)

Priority	Type	Description
1	`\|` or `OR`	Logical "or" (Vertical bar). Filter the column for content that matches text from either side of the bar
2	`&&` or `AND`	Logical "and". Filter the column for content that matches text from either side of the operator.
3	`/\d/`	Add any regex to the query to use in the query ("mig" flags can be included `/\w/mig`)
4	`< <= >= >`	Find alphabetical or numerical values less than or greater than or equal to the filtered query
5	`!` or `!=`	Not operator, or not exactly match. Filter the column with content that do not match the query. Include an equal (`=`), single (`'`) or double quote (`"`) to exactly not match a filter.
6	`"` or `=`	To exactly match the search query, add a quote, apostrophe or equal sign to the beginning and/or end of the query
7	`-` or `to`	Find a range of values. Make sure there is a space before and after the dash (or the word "to")
8	`?`	Wildcard for a single, non-space character.
8	`*`	Wildcard for zero or more non-space characters.
9	`~`	Perform a fuzzy search (matches sequential characters) by adding a tilde to the beginning of the query
10	text	Any text entered in the filter will match text found within the column

#	Nom du joueur	C	L	R	D	CON	CK	FG	DI	SK	ST	EN	DU	PH	FO	PA	SC	DF	PS	EX	LD	PO	MO	OV	SP	Âge	Contrat	Salaire
1	Jayson Megna	X				100.00	72	37	83	64	76	82	79	63	74	66	62	64	63	72	74	0	50	65	0	31	2	750,000$
2	Michael Pezzetta (R)		X			100.00	81	79	60	66	81	78	84	62	56	62	64	57	62	64	66	0	50	63	0	23	2	750,000$
3	Stefan Matteau	X				100.00	78	44	79	59	82	78	66	57	71	60	58	64	56	68	70	0	50	62	0	27	1	750,000$
4	Devante Smith-Pelly			X		100.00	70	38	92	54	79	61	76	55	51	56	57	58	53	70	72	0	50	60	0	29	1	650,000$
5	Grant Mismash (R)	X	X			100.00	63	38	89	53	72	69	86	55	54	56	57	51	54	63	65	0	50	59	0	22	2	925,000$
6	Mattias Norlinder (R)				X	100.00	61	36	87	66	71	77	65	63	30	64	58	61	50	62	64	0	50	62	0	21	3	925,000$
7	Robbie Russo				X	100.00	64	37	87	59	73	69	93	58	30	64	53	57	46	69	71	0	50	61	0	28	2	750,000$
8	Ryan Stanton				X	100.00	68	39	75	56	77	71	83	55	30	59	53	56	46	73	75	0	50	60	0	32	1	650,000$
9	Kevin Czuczman				X	100.00	59	38	91	56	82	77	75	54	30	55	53	58	45	71	73	0	50	59	0	30	1	750,000$
Rayé

	MOYENNE D’ÉQUIPE					100.00	68	43	83	59	77	74	79	58	47	60	57	58	53	68	70	0	50	61

Afficher ou masquer des colonnes

Astuces sur les filtres (anglais seulement)

Priority	Type	Description
1	`\|` or `OR`	Logical "or" (Vertical bar). Filter the column for content that matches text from either side of the bar
2	`&&` or `AND`	Logical "and". Filter the column for content that matches text from either side of the operator.
3	`/\d/`	Add any regex to the query to use in the query ("mig" flags can be included `/\w/mig`)
4	`< <= >= >`	Find alphabetical or numerical values less than or greater than or equal to the filtered query
5	`!` or `!=`	Not operator, or not exactly match. Filter the column with content that do not match the query. Include an equal (`=`), single (`'`) or double quote (`"`) to exactly not match a filter.
6	`"` or `=`	To exactly match the search query, add a quote, apostrophe or equal sign to the beginning and/or end of the query
7	`-` or `to`	Find a range of values. Make sure there is a space before and after the dash (or the word "to")
8	`?`	Wildcard for a single, non-space character.
8	`*`	Wildcard for zero or more non-space characters.
9	`~`	Perform a fuzzy search (matches sequential characters) by adding a tilde to the beginning of the query
10	text	Any text entered in the filter will match text found within the column

#	Nom du gardien	CON	SK	DU	EN	SZ	AG	RB	SC	HS	RT	PH	PS	EX	LD	PO	MO	OV	SP	Âge	Contrat	Salaire
1	Ken Appleby	100.00	73	68	67	88	72	71	73	72	71	73	72	67	77	0	50	63	0	26	1	725,000$
Rayé

	MOYENNE D’ÉQUIPE	100.00	73	68	67	88	72	71	73	72	71	73	72	67	77	0	50	63

Nom de l’entraîneur	PH	DF	OF	PD	EX	LD	PO	CNT	Âge	Contrat	Salaire

Afficher ou masquer des colonnes

Astuces sur les filtres (anglais seulement)

Priority	Type	Description
1	`\|` or `OR`	Logical "or" (Vertical bar). Filter the column for content that matches text from either side of the bar
2	`&&` or `AND`	Logical "and". Filter the column for content that matches text from either side of the operator.
3	`/\d/`	Add any regex to the query to use in the query ("mig" flags can be included `/\w/mig`)
4	`< <= >= >`	Find alphabetical or numerical values less than or greater than or equal to the filtered query
5	`!` or `!=`	Not operator, or not exactly match. Filter the column with content that do not match the query. Include an equal (`=`), single (`'`) or double quote (`"`) to exactly not match a filter.
6	`"` or `=`	To exactly match the search query, add a quote, apostrophe or equal sign to the beginning and/or end of the query
7	`-` or `to`	Find a range of values. Make sure there is a space before and after the dash (or the word "to")
8	`?`	Wildcard for a single, non-space character.
8	`*`	Wildcard for zero or more non-space characters.
9	`~`	Perform a fuzzy search (matches sequential characters) by adding a tilde to the beginning of the query
10	text	Any text entered in the filter will match text found within the column

#	Nom du joueur	Nom de l’équipe	POS	GP	G	A	P	+/-	PIM	PIM5	HIT	HTT	SHT	OSB	OSM	SHT%	SB	MP	AMG	PPG	PPA	PPP	PPS	PPM	PKS	PKM	GW	GT	FO%	FOT	HT	P/20	PSG	PSS	FT	S1	S2	S3
1	Stefan Matteau	Wranglers (CGY)	C	50	52	23	75	-31	16	0	228	140	404	137	277	12.87%	66	1069	21.39	7	5	12	53	68	1	34	4	1	61.03%	272	6	1.40	1	3	0	8	6	4
2	Devante Smith-Pelly	Wranglers (CGY)	RW	50	50	13	63	-35	15	5	205	125	332	106	233	15.06%	82	853	17.08	2	1	3	27	46	0	7	3	2	54.10%	61	4	1.48	2	3	1	3	4	3
3	Ryan Stanton	Wranglers (CGY)	D	50	9	43	52	-51	28	0	205	77	93	37	80	9.68%	102	1046	20.94	4	5	9	23	39	0	16	0	1	0.00%	0	0	0.99	2	2	0	0	3	4
4	Kevin Czuczman	Wranglers (CGY)	D	50	12	37	49	-51	8	0	60	84	107	33	88	11.21%	124	1065	21.31	1	5	6	22	39	0	34	0	0	55.56%	9	0	0.92	0	0	0	1	1	1
5	Lassi Thomson	Flames	D	28	9	24	33	-27	6	0	81	64	65	25	66	13.85%	64	567	20.27	1	1	2	19	40	0	15	1	0	0.00%	0	0	1.16	2	2	0	1	2	0
Statistiques d’équipe totales ou en moyenne				228	132	140	272	-195	73	5	779	490	1001	338	744	13.19%	438	4602	20.19	15	17	32	144	233	1	110	8	4	59.65%	342	10	1.18	7	10	1	13	16	12

Afficher ou masquer des colonnes

Astuces sur les filtres (anglais seulement)

Priority	Type	Description
1	`\|` or `OR`	Logical "or" (Vertical bar). Filter the column for content that matches text from either side of the bar
2	`&&` or `AND`	Logical "and". Filter the column for content that matches text from either side of the operator.
3	`/\d/`	Add any regex to the query to use in the query ("mig" flags can be included `/\w/mig`)
4	`< <= >= >`	Find alphabetical or numerical values less than or greater than or equal to the filtered query
5	`!` or `!=`	Not operator, or not exactly match. Filter the column with content that do not match the query. Include an equal (`=`), single (`'`) or double quote (`"`) to exactly not match a filter.
6	`"` or `=`	To exactly match the search query, add a quote, apostrophe or equal sign to the beginning and/or end of the query
7	`-` or `to`	Find a range of values. Make sure there is a space before and after the dash (or the word "to")
8	`?`	Wildcard for a single, non-space character.
8	`*`	Wildcard for zero or more non-space characters.
9	`~`	Perform a fuzzy search (matches sequential characters) by adding a tilde to the beginning of the query
10	text	Any text entered in the filter will match text found within the column

#	Nom du gardien	Nom de l’équipe	GP	W	L	OTL	PCT	GAA	MP	PIM	SO	GA	SA	SAR	A	EG	PS %	PSA	ST	BG	S1	S2	S3
Statistiques d’équipe totales ou en moyenne							0.000	0.00	0								0.000

Afficher ou masquer des colonnes

Astuces sur les filtres (anglais seulement)

Priority	Type	Description
1	`\|` or `OR`	Logical "or" (Vertical bar). Filter the column for content that matches text from either side of the bar
2	`&&` or `AND`	Logical "and". Filter the column for content that matches text from either side of the operator.
3	`/\d/`	Add any regex to the query to use in the query ("mig" flags can be included `/\w/mig`)
4	`< <= >= >`	Find alphabetical or numerical values less than or greater than or equal to the filtered query
5	`!` or `!=`	Not operator, or not exactly match. Filter the column with content that do not match the query. Include an equal (`=`), single (`'`) or double quote (`"`) to exactly not match a filter.
6	`"` or `=`	To exactly match the search query, add a quote, apostrophe or equal sign to the beginning and/or end of the query
7	`-` or `to`	Find a range of values. Make sure there is a space before and after the dash (or the word "to")
8	`?`	Wildcard for a single, non-space character.
8	`*`	Wildcard for zero or more non-space characters.
9	`~`	Perform a fuzzy search (matches sequential characters) by adding a tilde to the beginning of the query
10	text	Any text entered in the filter will match text found within the column

Nom du joueur	Nom de l’équipe	POS	Âge	Date de naissance	Nouveau joueur	Poids	Taille	Non-échange	Disponible pour échange	Ballotage forcé	Contrat	Type	Salaire actuel	Plafond salarial	Plafond salarial restant	Exclus du plafond salarial	Salaire annuel 2	Salaire annuel 3	Link
Devante Smith-Pelly	Wranglers (CGY)	RW	29	1992-06-14	No	223 Lbs	6 ft0	No	No	No	1	Pro & Farm	650,000$	0$	0$	No			Lien / Lien NHL
Grant Mismash	Wranglers (CGY)	C/LW	22	1999-02-19	Yes	186 Lbs	6 ft0	No	No	No	2	Pro & Farm	925,000$	0$	0$	No	925,000$		Lien NHL
Jayson Megna	Wranglers (CGY)	C	31	1990-02-01	No	195 Lbs	6 ft1	No	No	No	2	Pro & Farm	750,000$	0$	0$	No	750,000$		Lien / Lien NHL
Ken Appleby	Wranglers (CGY)	G	26	1995-04-10	No	210 Lbs	6 ft4	No	No	No	1	Pro & Farm	725,000$	0$	0$	No			Lien / Lien NHL
Kevin Czuczman	Wranglers (CGY)	D	30	1991-01-09	No	206 Lbs	6 ft2	No	No	No	1	Pro & Farm	750,000$	0$	0$	No			Lien / Lien NHL
Mattias Norlinder	Wranglers (CGY)	D	21	2000-04-12	Yes	185 Lbs	6 ft0	No	No	No	3	Pro & Farm	925,000$	0$	0$	No	925,000$	925,000$	Lien NHL
Michael Pezzetta	Wranglers (CGY)	LW	23	1998-03-13	Yes	216 Lbs	6 ft1	No	No	No	2	Pro & Farm	750,000$	0$	0$	No	750,000$		Lien / Lien NHL
Robbie Russo	Wranglers (CGY)	D	28	1993-02-15	No	191 Lbs	6 ft0	No	No	No	2	Pro & Farm	750,000$	0$	0$	No	750,000$		Lien / Lien NHL
Ryan Stanton	Wranglers (CGY)	D	32	1989-07-20	No	200 Lbs	6 ft1	No	No	No	1	Pro & Farm	650,000$	0$	0$	No			Lien / Lien NHL
Stefan Matteau	Wranglers (CGY)	C	27	1994-02-23	No	208 Lbs	6 ft2	No	No	No	1	Pro & Farm	750,000$	0$	0$	No			Lien / Lien NHL

Nombre de joueurs	Âge moyen	Poids moyen	Taille moyenne	Contrat moyen	Salaire moyen 1e année
10	26.90	202 Lbs	6 ft1	1.60	762,500$

Attaque à 5 contre 5
Ligne #	Ailier gauche	Centre	Ailier droit	% temps	PHY	DF	OF
1	Stefan Matteau			40	1	2	2
2			Devante Smith-Pelly	30	1	2	2
3				20	1	2	2
4				10	1	2	2

Défense à 5 contre 5
Ligne #	Défense	Défense	% temps	PHY	DF	OF
1	Kevin Czuczman	Ryan Stanton	40	1	2	2
2			30	1	2	2
3			20	1	2	2
4	Kevin Czuczman	Ryan Stanton	10	1	2	2

Attaque en avantage numérique
Ligne #	Ailier gauche	Centre	Ailier droit	% temps	PHY	DF	OF
1		Stefan Matteau		60	1	2	2
2			Devante Smith-Pelly	40	1	2	2

Défense en avantage numérique
Ligne #	Défense	Défense	% temps	PHY	DF	OF
1	Kevin Czuczman	Ryan Stanton	60	1	2	2
2			40	1	2	2

Attaque à 4 en désavantage numérique
Ligne #	Centre	Ailier	% temps	PHY	DF	OF
1	Stefan Matteau		60	1	2	2
2	Devante Smith-Pelly		40	1	2	2

Défense à 4 en désavantage numérique
Ligne #	Défense	Défense	% temps	PHY	DF	OF
1	Kevin Czuczman	Ryan Stanton	60	1	2	2
2			40	1	2	2

3 joueurs en désavantage numérique
Ligne #	Ailier	% temps	PHY	DF	OF	Défense	Défense	% temps	PHY	DF	OF
1	Stefan Matteau	60	1	2	2	Kevin Czuczman	Ryan Stanton	60	1	2	2
2		40	1	2	2			40	1	2	2

Attaque à 4 contre 4
Ligne #	Centre	Ailier	% temps	PHY	DF	OF
1	Stefan Matteau		60	1	2	2
2	Devante Smith-Pelly		40	1	2	2

Défense à 4 contre 4
Ligne #	Défense	Défense	% temps	PHY	DF	OF
1	Kevin Czuczman	Ryan Stanton	60	1	2	2
2			40	1	2	2

Attaque dernière minute
Ailier gauche	Centre	Ailier droit	Défense	Défense
	Stefan Matteau		Kevin Czuczman	Ryan Stanton

Défense dernière minute
Ailier gauche	Centre	Ailier droit	Défense	Défense
	Stefan Matteau		Kevin Czuczman	Ryan Stanton

Attaquants supplémentaires
Normal	Avantage numérique	Désavantage numérique
, Devante Smith-Pelly, Stefan Matteau	, Devante Smith-Pelly	Stefan Matteau

Défenseurs supplémentaires
Normal	Avantage numérique	Désavantage numérique
, , Kevin Czuczman		, Kevin Czuczman

Tirs de pénalité
Stefan Matteau, , Devante Smith-Pelly, ,

Gardien
#1 : , #2 :

Lignes d’attaque personnalisées en prolongation
, , , , , , , , , ,

Lignes de défense personnalisées en prolongation
, , , ,

Afficher ou masquer des colonnes

Astuces sur les filtres (anglais seulement)

Priority	Type	Description
1	`\|` or `OR`	Logical "or" (Vertical bar). Filter the column for content that matches text from either side of the bar
2	`&&` or `AND`	Logical "and". Filter the column for content that matches text from either side of the operator.
3	`/\d/`	Add any regex to the query to use in the query ("mig" flags can be included `/\w/mig`)
4	`< <= >= >`	Find alphabetical or numerical values less than or greater than or equal to the filtered query
5	`!` or `!=`	Not operator, or not exactly match. Filter the column with content that do not match the query. Include an equal (`=`), single (`'`) or double quote (`"`) to exactly not match a filter.
6	`"` or `=`	To exactly match the search query, add a quote, apostrophe or equal sign to the beginning and/or end of the query
7	`-` or `to`	Find a range of values. Make sure there is a space before and after the dash (or the word "to")
8	`?`	Wildcard for a single, non-space character.
8	`*`	Wildcard for zero or more non-space characters.
9	`~`	Perform a fuzzy search (matches sequential characters) by adding a tilde to the beginning of the query
10	text	Any text entered in the filter will match text found within the column

	Total												Domicile											Visiteur
#	VS Équipe	GP	W	L	T	OTW	OTL	SOW	SOL	GF	GA	Diff	GP	W	L	T	OTW	OTL	SOW	SOL	GF	GA	Diff	GP	W	L	T	OTW	OTL	SOW	SOL	GF	GA	Diff	P	PCT	G	A	TP	SO	EG	GP1	GP2	GP3	GP4	SHF	SH1	SP2	SP3	SP4	SHA	SHB	Pim	Hit	PPA	PPG	PP%	PKA	PK GA	PK%	PK GF	W OF FO	T OF FO	OF FO%	W DF FO	T DF FO	DF FO%	W NT FO	T NT FO	NT FO%	PZ DF	PZ OF	PZ NT	PC DF	PC OF	PC NT
1	Admirals	2	1	0	0	0	0	0	1	13	9	4	1	0	0	0	0	0	0	1	4	5	-1	1	1	0	0	0	0	0	0	9	4	5	3	0.750	13	22	35	0	0	82	59	42	9	137	578	658	591	26	81	27	0	58	3	1	33.33%	0	0	0.00%	0	496	1392	35.63%	472	1692	27.90%	297	1023	29.03%	952	686	1493	330	569	251
2	Americans	1	0	1	0	0	0	0	0	4	9	-5	1	0	1	0	0	0	0	0	4	9	-5	0	0	0	0	0	0	0	0	0	0	0	0	0.000	4	6	10	0	0	82	59	42	9	30	578	658	591	26	58	20	4	22	0	0	0.00%	1	0	100.00%	0	496	1392	35.63%	472	1692	27.90%	297	1023	29.03%	952	686	1493	330	569	251
3	Barracuda	2	0	2	0	0	0	0	0	6	17	-11	0	0	0	0	0	0	0	0	0	0	0	2	0	2	0	0	0	0	0	6	17	-11	0	0.000	6	12	18	0	0	82	59	42	9	52	578	658	591	26	154	52	4	47	4	1	25.00%	2	1	50.00%	0	496	1392	35.63%	472	1692	27.90%	297	1023	29.03%	952	686	1493	330	569	251
4	Bears	2	0	2	0	0	0	0	0	3	10	-7	1	0	1	0	0	0	0	0	2	4	-2	1	0	1	0	0	0	0	0	1	6	-5	0	0.000	3	5	8	0	0	82	59	42	9	59	578	658	591	26	116	25	2	46	7	2	28.57%	1	0	100.00%	0	496	1392	35.63%	472	1692	27.90%	297	1023	29.03%	952	686	1493	330	569	251
5	Bruins	1	0	1	0	0	0	0	0	2	7	-5	0	0	0	0	0	0	0	0	0	0	0	1	0	1	0	0	0	0	0	2	7	-5	0	0.000	2	4	6	0	0	82	59	42	9	35	578	658	591	26	66	14	8	18	4	0	0.00%	4	1	75.00%	0	496	1392	35.63%	472	1692	27.90%	297	1023	29.03%	952	686	1493	330	569	251
6	Canucks	2	0	2	0	0	0	0	0	8	15	-7	2	0	2	0	0	0	0	0	8	15	-7	0	0	0	0	0	0	0	0	0	0	0	0	0.000	8	14	22	0	0	82	59	42	9	141	578	658	591	26	110	32	6	57	4	1	25.00%	3	2	33.33%	0	496	1392	35.63%	472	1692	27.90%	297	1023	29.03%	952	686	1493	330	569	251
7	Checkers	2	0	1	0	0	0	1	0	10	13	-3	1	0	0	0	0	0	1	0	7	6	1	1	0	1	0	0	0	0	0	3	7	-4	2	0.500	10	16	26	0	0	82	59	42	9	66	578	658	591	26	80	19	0	42	1	1	100.00%	1	0	100.00%	0	496	1392	35.63%	472	1692	27.90%	297	1023	29.03%	952	686	1493	330	569	251
8	Comets	2	0	2	0	0	0	0	0	4	15	-11	1	0	1	0	0	0	0	0	2	8	-6	1	0	1	0	0	0	0	0	2	7	-5	0	0.000	4	5	9	0	0	82	59	42	9	43	578	658	591	26	105	26	4	32	3	1	33.33%	2	1	50.00%	0	496	1392	35.63%	472	1692	27.90%	297	1023	29.03%	952	686	1493	330	569	251
9	Condors	3	1	2	0	0	0	0	0	16	16	0	2	1	1	0	0	0	0	0	11	10	1	1	0	1	0	0	0	0	0	5	6	-1	2	0.333	16	26	42	0	0	82	59	42	9	162	578	658	591	26	146	33	0	103	1	0	0.00%	0	0	0.00%	0	496	1392	35.63%	472	1692	27.90%	297	1023	29.03%	952	686	1493	330	569	251
10	Crunch	2	0	2	0	0	0	0	0	3	13	-10	1	0	1	0	0	0	0	0	3	6	-3	1	0	1	0	0	0	0	0	0	7	-7	0	0.000	3	5	8	0	0	82	59	42	9	45	578	658	591	26	107	38	6	35	5	1	20.00%	4	2	50.00%	0	496	1392	35.63%	472	1692	27.90%	297	1023	29.03%	952	686	1493	330	569	251
11	Eagles	2	0	2	0	0	0	0	0	13	17	-4	2	0	2	0	0	0	0	0	13	17	-4	0	0	0	0	0	0	0	0	0	0	0	0	0.000	13	23	36	1	0	82	59	42	9	122	578	658	591	26	132	32	8	71	0	0	0.00%	4	0	100.00%	0	496	1392	35.63%	472	1692	27.90%	297	1023	29.03%	952	686	1493	330	569	251
12	Firebirds	3	2	0	0	0	0	1	0	20	15	5	1	0	0	0	0	0	1	0	5	4	1	2	2	0	0	0	0	0	0	15	11	4	6	1.000	20	36	56	0	0	82	59	42	9	177	578	658	591	26	167	39	2	104	0	0	0.00%	1	1	0.00%	0	496	1392	35.63%	472	1692	27.90%	297	1023	29.03%	952	686	1493	330	569	251
13	Gulls	1	0	1	0	0	0	0	0	1	6	-5	0	0	0	0	0	0	0	0	0	0	0	1	0	1	0	0	0	0	0	1	6	-5	0	0.000	1	1	2	0	0	82	59	42	9	23	578	658	591	26	61	25	2	19	2	0	0.00%	1	1	0.00%	0	496	1392	35.63%	472	1692	27.90%	297	1023	29.03%	952	686	1493	330	569	251
14	IceHogs	2	0	2	0	0	0	0	0	9	19	-10	1	0	1	0	0	0	0	0	5	10	-5	1	0	1	0	0	0	0	0	4	9	-5	0	0.000	9	16	25	0	0	82	59	42	9	71	578	658	591	26	134	49	8	36	3	0	0.00%	4	2	50.00%	0	496	1392	35.63%	472	1692	27.90%	297	1023	29.03%	952	686	1493	330	569	251
15	Islanders	2	0	2	0	0	0	0	0	1	15	-14	1	0	1	0	0	0	0	0	0	8	-8	1	0	1	0	0	0	0	0	1	7	-6	0	0.000	1	1	2	0	0	82	59	42	9	47	578	658	591	26	95	35	4	42	5	0	0.00%	2	0	100.00%	0	496	1392	35.63%	472	1692	27.90%	297	1023	29.03%	952	686	1493	330	569	251
16	Marlies	1	0	1	0	0	0	0	0	0	8	-8	0	0	0	0	0	0	0	0	0	0	0	1	0	1	0	0	0	0	0	0	8	-8	0	0.000	0	0	0	0	0	82	59	42	9	15	578	658	591	26	52	22	2	22	0	0	0.00%	1	1	0.00%	0	496	1392	35.63%	472	1692	27.90%	297	1023	29.03%	952	686	1493	330	569	251
17	Monsters	2	0	2	0	0	0	0	0	5	17	-12	1	0	1	0	0	0	0	0	2	9	-7	1	0	1	0	0	0	0	0	3	8	-5	0	0.000	5	8	13	0	0	82	59	42	9	41	578	658	591	26	141	39	6	48	2	1	50.00%	3	0	100.00%	0	496	1392	35.63%	472	1692	27.90%	297	1023	29.03%	952	686	1493	330	569	251
18	Moose	2	0	2	0	0	0	0	0	5	15	-10	1	0	1	0	0	0	0	0	3	6	-3	1	0	1	0	0	0	0	0	2	9	-7	0	0.000	5	7	12	0	0	82	59	42	9	73	578	658	591	26	147	38	8	60	2	0	0.00%	4	1	75.00%	0	496	1392	35.63%	472	1692	27.90%	297	1023	29.03%	952	686	1493	330	569	251
19	Penguins	2	1	1	0	0	0	0	0	6	9	-3	1	0	1	0	0	0	0	0	2	6	-4	1	1	0	0	0	0	0	0	4	3	1	2	0.500	6	12	18	0	0	82	59	42	9	47	578	658	591	26	110	41	0	40	1	1	100.00%	0	0	0.00%	0	496	1392	35.63%	472	1692	27.90%	297	1023	29.03%	952	686	1493	330	569	251
20	Phantoms	1	0	1	0	0	0	0	0	5	7	-2	0	0	0	0	0	0	0	0	0	0	0	1	0	1	0	0	0	0	0	5	7	-2	0	0.000	5	9	14	0	0	82	59	42	9	30	578	658	591	26	55	10	0	20	2	1	50.00%	0	0	0.00%	0	496	1392	35.63%	472	1692	27.90%	297	1023	29.03%	952	686	1493	330	569	251
21	Reign	2	0	2	0	0	0	0	0	9	15	-6	1	0	1	0	0	0	0	0	4	5	-1	1	0	1	0	0	0	0	0	5	10	-5	0	0.000	9	17	26	0	0	82	59	42	9	49	578	658	591	26	108	25	4	36	5	0	0.00%	2	1	50.00%	0	496	1392	35.63%	472	1692	27.90%	297	1023	29.03%	952	686	1493	330	569	251
22	Roadrunners	1	0	1	0	0	0	0	0	2	8	-6	1	0	1	0	0	0	0	0	2	8	-6	0	0	0	0	0	0	0	0	0	0	0	0	0.000	2	3	5	0	0	82	59	42	9	23	578	658	591	26	52	15	4	23	2	0	0.00%	2	1	50.00%	0	496	1392	35.63%	472	1692	27.90%	297	1023	29.03%	952	686	1493	330	569	251
23	Rocket	2	1	1	0	0	0	0	0	12	11	1	1	1	0	0	0	0	0	0	7	5	2	1	0	1	0	0	0	0	0	5	6	-1	2	0.500	12	19	31	0	0	82	59	42	9	81	578	658	591	26	117	31	0	72	2	1	50.00%	0	0	0.00%	0	496	1392	35.63%	472	1692	27.90%	297	1023	29.03%	952	686	1493	330	569	251
24	Silver Knights	1	1	0	0	0	0	0	0	4	3	1	1	1	0	0	0	0	0	0	4	3	1	0	0	0	0	0	0	0	0	0	0	0	2	1.000	4	8	12	0	0	82	59	42	9	28	578	658	591	26	56	19	2	22	2	0	0.00%	0	0	0.00%	0	496	1392	35.63%	472	1692	27.90%	297	1023	29.03%	952	686	1493	330	569	251
25	Stars	1	0	0	0	1	0	0	0	6	5	1	0	0	0	0	0	0	0	0	0	0	0	1	0	0	0	1	0	0	0	6	5	1	2	1.000	6	11	17	0	0	82	59	42	9	65	578	658	591	26	46	8	5	31	2	1	50.00%	0	0	0.00%	0	496	1392	35.63%	472	1692	27.90%	297	1023	29.03%	952	686	1493	330	569	251
26	Thunderbirds	3	0	3	0	0	0	0	0	4	24	-20	1	0	1	0	0	0	0	0	2	11	-9	2	0	2	0	0	0	0	0	2	13	-11	0	0.000	4	6	10	0	0	82	59	42	9	68	578	658	591	26	223	63	6	65	5	3	60.00%	3	1	66.67%	0	496	1392	35.63%	472	1692	27.90%	297	1023	29.03%	952	686	1493	330	569	251
27	Wild	1	0	1	0	0	0	0	0	4	9	-5	1	0	1	0	0	0	0	0	4	9	-5	0	0	0	0	0	0	0	0	0	0	0	0	0.000	4	5	9	0	0	82	59	42	9	32	578	658	591	26	61	9	4	21	0	0	0.00%	2	0	100.00%	0	496	1392	35.63%	472	1692	27.90%	297	1023	29.03%	952	686	1493	330	569	251
28	Wolves	2	1	1	0	0	0	0	0	11	11	0	1	1	0	0	0	0	0	0	8	3	5	1	0	1	0	0	0	0	0	3	8	-5	2	0.500	11	19	30	0	0	82	59	42	9	78	578	658	591	26	89	22	6	43	1	0	0.00%	3	3	0.00%	0	496	1392	35.63%	472	1692	27.90%	297	1023	29.03%	952	686	1493	330	569	251
	Total	50	8	38	0	1	0	2	1	186	338	-152	25	4	18	0	0	0	2	1	102	167	-65	25	4	20	0	1	0	0	0	84	171	-87	23	0.230	186	316	502	1	0	82	59	42	9	1840	578	658	591	26	2869	808	105	1235	68	16	23.53%	50	19	62.00%	0	496	1392	35.63%	472	1692	27.90%	297	1023	29.03%	952	686	1493	330	569	251
	_Since Last GM Reset	50	8	38	0	1	0	2	1	186	338	-152	25	4	18	0	0	0	2	1	102	167	-65	25	4	20	0	1	0	0	0	84	171	-87	23	0.230	186	316	502	1	0	82	59	42	9	1840	578	658	591	26	2869	808	105	1235	68	16	23.53%	50	19	62.00%	0	496	1392	35.63%	472	1692	27.90%	297	1023	29.03%	952	686	1493	330	569	251
	_Vs Conference	27	6	18	0	1	0	1	1	127	180	-53	15	3	10	0	0	0	1	1	71	95	-24	12	3	8	0	1	0	0	0	56	85	-29	17	0.315	127	220	347	1	0	82	59	42	9	1233	578	658	591	26	1544	425	63	731	31	4	12.90%	28	13	53.57%	0	496	1392	35.63%	472	1692	27.90%	297	1023	29.03%	952	686	1493	330	569	251
	_Vs Division	14	4	12	0	0	0	1	0	56	106	-50	8	2	7	0	0	0	1	0	33	66	-33	6	2	5	0	0	0	0	0	23	40	-17	10	0.357	56	93	149	1	0	82	59	42	9	591	578	658	591	26	876	241	43	365	17	5	29.41%	19	5	73.68%	0	496	1392	35.63%	472	1692	27.90%	297	1023	29.03%	952	686	1493	330	569	251

			Total pour les joueurs
Matchs joués	Points	Séquence	Buts	Passes	Points	Tirs pour	Tirs contre	Tirs bloqués	Minutes de pénalités	Mises en échec	Buts en filet désert	Blanchissages
50	23	W1	186	316	502	1840	2869	808	105	1235	1	0

Tous les matchs
GP	W	L	OTW	OTL	SOW	SOL	GF	GA
50	8	38	1	0	2	1	186	338

Matchs locaux
GP	W	L	OTW	OTL	SOW	SOL	GF	GA
25	4	18	0	0	2	1	102	167

Matchs extérieurs
GP	W	L	OTW	OTL	SOW	SOL	GF	GA
25	4	20	1	0	0	0	84	171

Derniers 10 matchs
W	L	OTW	OTL	SOW	SOL
2	7	1	0	0	0

Tentatives en avantage numérique	Buts en avantage numérique	% en avantage numérique	Tentatives en désavantage numérique	Buts contre en désavantage numérique	% en désavantage numérique	Buts pour en désavantage numérique
68	16	23.53%	50	19	62.00%	0

Tirs en 1e période	Tirs en 2e période	Tirs en 3e période	Tirs en 4e période	Buts en 1e période	Buts en 2e période	Buts en 3e période	Buts en 4e période
578	658	591	26	82	59	42	9

Mises en jeu
Gagnées en zone offensive	Total en zone offensive	% gagnées en zone offensive	Gagnées en zone défensive	Total en zone défensive	% gagnées en zone défensive	Gagnées en zone neutre	Total en zone neutre	% gagnées en zone neutre
496	1392	35.63%	472	1692	27.90%	297	1023	29.03%

Temps avec la rondelle
En zone offensive	Contrôle en zone offensive	En zone défensive	Contrôle en zone défensive	En zone neutre	Contrôle en zone neutre
952	686	1493	330	569	251

Derniers matchs joués Afficher ou masquer des colonnes

Astuces sur les filtres (anglais seulement)

Priority	Type	Description
1	`\|` or `OR`	Logical "or" (Vertical bar). Filter the column for content that matches text from either side of the bar
2	`&&` or `AND`	Logical "and". Filter the column for content that matches text from either side of the operator.
3	`/\d/`	Add any regex to the query to use in the query ("mig" flags can be included `/\w/mig`)
4	`< <= >= >`	Find alphabetical or numerical values less than or greater than or equal to the filtered query
5	`!` or `!=`	Not operator, or not exactly match. Filter the column with content that do not match the query. Include an equal (`=`), single (`'`) or double quote (`"`) to exactly not match a filter.
6	`"` or `=`	To exactly match the search query, add a quote, apostrophe or equal sign to the beginning and/or end of the query
7	`-` or `to`	Find a range of values. Make sure there is a space before and after the dash (or the word "to")
8	`?`	Wildcard for a single, non-space character.
8	`*`	Wildcard for zero or more non-space characters.
9	`~`	Perform a fuzzy search (matches sequential characters) by adding a tilde to the beginning of the query
10	text	Any text entered in the filter will match text found within the column

Jour	Match	Équipe visiteuse	Score	Équipe locale	Score	ST	OT	SO	Lien
7 - 2022-10-13	18	Eagles	10	Wranglers	8	BL			Sommaire du match
9 - 2022-10-15	37	Wranglers	5	Condors	6	AL			Sommaire du match
12 - 2022-10-18	55	Silver Knights	3	Wranglers	4	BW			Sommaire du match
14 - 2022-10-20	68	Americans	9	Wranglers	4	BL			Sommaire du match
16 - 2022-10-22	86	Wolves	3	Wranglers	8	BW			Sommaire du match
19 - 2022-10-25	104	Penguins	6	Wranglers	2	BL			Sommaire du match
23 - 2022-10-29	138	Condors	6	Wranglers	3	BL			Sommaire du match
26 - 2022-11-01	155	Firebirds	4	Wranglers	5	BW	X	X	Sommaire du match
28 - 2022-11-03	169	Admirals	5	Wranglers	4	BL	X	X	Sommaire du match
30 - 2022-11-05	187	Comets	8	Wranglers	2	BL			Sommaire du match
32 - 2022-11-07	193	Wranglers	1	Islanders	7	AL			Sommaire du match
33 - 2022-11-08	197	Wranglers	2	Comets	7	AL			Sommaire du match
35 - 2022-11-10	211	Wranglers	2	Bruins	7	AL			Sommaire du match
37 - 2022-11-12	236	Moose	6	Wranglers	3	BL			Sommaire du match
39 - 2022-11-14	245	Reign	5	Wranglers	4	BL			Sommaire du match
42 - 2022-11-17	260	Wranglers	0	Crunch	7	AL			Sommaire du match
44 - 2022-11-19	275	Wranglers	3	Checkers	7	AL			Sommaire du match
46 - 2022-11-21	292	Wranglers	5	Phantoms	7	AL			Sommaire du match
48 - 2022-11-23	306	Wranglers	4	Penguins	3	AW			Sommaire du match
50 - 2022-11-25	322	Wranglers	1	Bears	6	AL			Sommaire du match
51 - 2022-11-26	333	Wranglers	3	Wolves	8	AL			Sommaire du match
54 - 2022-11-29	358	Checkers	6	Wranglers	7	BW	X	X	Sommaire du match
56 - 2022-12-01	372	Rocket	5	Wranglers	7	BW			Sommaire du match
58 - 2022-12-03	390	Bears	4	Wranglers	2	BL			Sommaire du match
60 - 2022-12-05	401	Roadrunners	8	Wranglers	2	BL			Sommaire du match
62 - 2022-12-07	414	Wild	9	Wranglers	4	BL			Sommaire du match
64 - 2022-12-09	424	Wranglers	3	Monsters	8	AL			Sommaire du match
65 - 2022-12-10	438	Wranglers	0	Marlies	8	AL			Sommaire du match
67 - 2022-12-12	448	Wranglers	5	Rocket	6	AL			Sommaire du match
69 - 2022-12-14	468	Canucks	7	Wranglers	3	BL			Sommaire du match
71 - 2022-12-16	482	Thunderbirds	11	Wranglers	2	BL			Sommaire du match
73 - 2022-12-18	501	Wranglers	5	Barracuda	7	AL			Sommaire du match
75 - 2022-12-20	517	Wranglers	1	Barracuda	10	AL			Sommaire du match
77 - 2022-12-22	531	Wranglers	5	Reign	10	AL			Sommaire du match
78 - 2022-12-23	544	Wranglers	1	Gulls	6	AL			Sommaire du match
82 - 2022-12-27	555	Condors	4	Wranglers	8	BW			Sommaire du match
83 - 2022-12-28	561	Wranglers	8	Firebirds	5	AW			Sommaire du match
86 - 2022-12-31	587	Canucks	8	Wranglers	5	BL			Sommaire du match
89 - 2023-01-03	603	Wranglers	2	Moose	9	AL			Sommaire du match
92 - 2023-01-06	626	Islanders	8	Wranglers	0	BL			Sommaire du match
94 - 2023-01-08	641	Wranglers	4	IceHogs	9	AL			Sommaire du match
96 - 2023-01-10	655	Wranglers	1	Thunderbirds	4	AL			Sommaire du match
98 - 2023-01-12	670	Wranglers	1	Thunderbirds	9	AL			Sommaire du match
100 - 2023-01-14	677	Wranglers	6	Stars	5	AW	X		Sommaire du match
102 - 2023-01-16	703	Wranglers	9	Admirals	4	AW			Sommaire du match
104 - 2023-01-18	715	Eagles	7	Wranglers	5	BL			Sommaire du match
107 - 2023-01-21	733	Crunch	6	Wranglers	3	BL			Sommaire du match
109 - 2023-01-23	754	Monsters	9	Wranglers	2	BL			Sommaire du match
112 - 2023-01-26	777	IceHogs	10	Wranglers	5	BL			Sommaire du match
113 - 2023-01-27	786	Wranglers	7	Firebirds	6	AW			Sommaire du match
123 - 2023-02-06	809	Wranglers	-	Wolf Pack	-
126 - 2023-02-09	825	Wranglers	-	Griffins	-
128 - 2023-02-11	833	Wranglers	-	Americans	-
130 - 2023-02-13	850	Wranglers	-	Senators	-
133 - 2023-02-16	875	Griffins	-	Wranglers	-
135 - 2023-02-18	891	Wolf Pack	-	Wranglers	-
137 - 2023-02-20	905	Phantoms	-	Wranglers	-
139 - 2023-02-22	919	Wranglers	-	Roadrunners	-
140 - 2023-02-23	928	Wranglers	-	Silver Knights	-
142 - 2023-02-25	945	Wranglers	-	Eagles	-
145 - 2023-02-28	965	Bruins	-	Wranglers	-
147 - 2023-03-02	979	Marlies	-	Wranglers	-
149 - 2023-03-04	999	Wild	-	Wranglers	-
151 - 2023-03-06	1008	Wranglers	-	Stars	-
152 - 2023-03-07	1018	Wranglers	-	Wild	-
155 - 2023-03-10	1037	Gulls	-	Wranglers	-
157 - 2023-03-12	1058	Senators	-	Wranglers	-
159 - 2023-03-14	1072	Wranglers	-	Roadrunners	-
161 - 2023-03-16	1087	Wranglers	-	Silver Knights	-
163 - 2023-03-18	1105	Stars	-	Wranglers	-
165 - 2023-03-20	1119	Wranglers	-	Reign	-
166 - 2023-03-21	1131	Wranglers	-	Gulls	-
168 - 2023-03-23	1144	Silver Knights	-	Wranglers	-
170 - 2023-03-25	1154	Barracuda	-	Wranglers	-
173 - 2023-03-28	1183	Reign	-	Wranglers	-
176 - 2023-03-31	1202	Wranglers	-	Canucks	-
178 - 2023-04-02	1225	Gulls	-	Wranglers	-
180 - 2023-04-04	1236	IceHogs	-	Wranglers	-
181 - 2023-04-05	1240	Wranglers	-	Moose	-
184 - 2023-04-08	1270	Wranglers	-	Canucks	-
186 - 2023-04-10	1282	Admirals	-	Wranglers	-
Date limite d’échanges --- Les échanges ne peuvent plus se faire après la simulation de cette journée!
188 - 2023-04-12	1297	Barracuda	-	Wranglers	-

Capacité de l’aréna - Tendance du prix des billets - %
	Niveau 1	Niveau 2
Capacité	2000	1000
Prix des billets	35	15
Assistance	0	0
Assistance PCT	0.00%	0.00%

Revenu
Matchs à domicile restants	Assistance moyenne - %	Revenu moyen par match	Revenu annuel à ce jour	Capacité	Popularité de l’équipe
-16	0 - 0.00%	0$	0$	3000	100

Dépenses
Dépenses annuelles à ce jour	Salaire total des joueurs	Salaire total moyen des joueurs	Salaire des entraineurs
475,437$	762,500$	0$	0$

Plafond salarial par jour	Plafond salarial à ce jour	Joueurs Inclus dans le plafond salarial	Joueurs exclut du plafond Salarial
0$	475,437$	0	0

Estimation
Revenus de la saison estimés	Jours restants de la saison	Dépenses par jour	Dépenses de la saison estimées
0$	74	4,034$	298,516$

Afficher ou masquer des colonnes

	Total											Domicile											Visiteur
Année	GP	W	L	T	OTW	OTL	SOW	SOL	GF	GA	Diff	GP	W	L	T	OTW	OTL	SOW	SOL	GF	GA	Diff	GP	W	L	T	OTW	OTL	SOW	SOL	GF	GA	Diff	P	G	A	TP	SO	EG	GP1	GP2	GP3	GP4	SHF	SH1	SP2	SP3	SP4	SHA	SHB	Pim	Hit	PPA	PPG	PP%	PKA	PK GA	PK%	PK GF	W OF FO	T OF FO	OF FO%	W DF FO	T DF FO	DF FO%	W NT FO	T NT FO	NT FO%	PZ DF	PZ OF	PZ NT	PC DF	PC OF	PC NT
Saison régulière
4	82	22	54	0	0	4	1	1	246	378	-132	41	13	25	0	0	2	0	1	133	187	-54	41	9	29	0	0	2	1	0	113	191	-78	51	246	402	648	1	0	0	92	87	66	2887	0	949	965	970	2999	877	1449	1896	566	121	21.38%	588	171	70.92%	3	1659	3145	52.75%	1144	2636	43.40%	715	1393	51.33%	1934	1324	2004	621	998	489
5	82	12	61	0	2	2	2	3	165	350	-185	41	7	29	0	1	1	1	2	81	153	-72	41	5	32	0	1	1	1	1	84	197	-113	37	165	315	480	1	0	0	70	51	40	2317	0	779	788	731	4719	1409	88	1506	188	29	15.43%	31	11	64.52%	0	586	2031	28.85%	1091	4102	26.60%	343	1224	28.02%	1135	755	2930	587	887	351
6	82	5	73	0	1	0	2	1	152	487	-335	41	4	35	0	0	0	1	1	77	240	-163	41	1	38	0	1	0	1	0	75	247	-172	17	152	293	445	0	0	0	55	48	46	2354	0	760	782	798	6539	1891	220	1913	161	13	8.07%	96	29	69.79%	2	570	2030	28.08%	1215	4991	24.34%	328	1331	24.64%	948	610	3144	579	843	308
7	82	0	80	0	0	1	1	0	148	676	-528	41	0	39	0	0	1	1	0	83	323	-240	41	0	41	0	0	0	0	0	65	353	-288	3	148	287	435	0	0	0	58	39	50	2225	0	749	673	800	6773	1936	173	1817	117	13	11.11%	77	26	66.23%	0	583	2004	29.09%	994	3775	26.33%	387	1512	25.60%	912	587	3160	575	853	299
8	82	2	75	0	1	0	2	2	190	713	-523	41	1	36	0	1	0	1	2	102	353	-251	41	1	39	0	0	0	1	0	88	360	-272	12	190	365	555	0	0	0	83	58	46	2579	0	809	880	864	6582	1917	173	1951	96	17	17.71%	76	33	56.58%	0	633	1983	31.92%	1046	3640	28.74%	464	1601	28.98%	999	652	3081	561	859	318
9	82	19	56	0	1	3	1	2	307	425	-118	41	11	27	0	1	0	1	1	157	199	-42	41	8	29	0	0	3	0	1	150	226	-76	47	307	492	799	0	2	0	121	97	87	3498	0	1159	1170	1149	4113	1181	295	1807	175	35	20.00%	130	42	67.69%	2	1564	2951	53.00%	1534	3234	47.43%	756	1489	50.77%	1741	1246	2222	559	979	457
10	82	13	60	0	1	2	3	3	221	402	-181	41	6	32	0	0	2	0	1	105	196	-91	41	7	28	0	1	0	3	2	116	206	-90	39	221	391	612	2	0	81	67	69	8	2375	768	838	747	59	4417	1215	369	1979	143	29	20.28%	170	33	80.59%	2	841	2343	35.89%	1357	3826	35.47%	508	1338	37.97%	1525	1053	2483	584	953	420
11	50	8	38	0	1	0	2	1	186	338	-152	25	4	18	0	0	0	2	1	102	167	-65	25	4	20	0	1	0	0	0	84	171	-87	23	186	316	502	1	0	82	59	42	9	1840	578	658	591	26	2869	808	105	1235	68	16	23.53%	50	19	62.00%	0	496	1392	35.63%	472	1692	27.90%	297	1023	29.03%	952	686	1493	330	569	251
Total Saison régulière	624	81	497	0	7	12	14	13	1615	3769	-2154	312	46	241	0	3	6	7	9	840	1818	-978	312	35	256	0	4	6	7	4	775	1951	-1176	229	1615	2861	4476	5	2	163	605	491	352	20075	1346	6701	6596	5397	39011	11234	2872	14104	1514	273	18.03%	1218	364	70.11%	9	6932	17879	38.77%	8853	27896	31.74%	3798	10911	34.81%	10148	6916	20521	4399	6944	2897

	Wranglers
	GP: 50 \| W: 11 \| L: 38 \| OTL: 1 \| P: 23 GF: 186 \| GA: 338 \| PP%: 23.53% \| PK%: 62.00% DG: \| Morale : 50 \| Moyenne d’équipe : 61 Prochains matchs #809 vs Wolf Pack