Anaheim
Accueil
Formation
Points
Informations joueurs
Lignes
Statistiques d’équipe
Calendrier
Finance
Statistiques d’équipe en carrière

Centre de jeu
	San Diego 49-29-4, 102pts	3	FINAL	2	Springfield 44-33-5, 93pts

Team Stats
W4	Streak	L3
26-13-2	Home Record	29-9-3
23-16-2	Away Record	15-24-2
8-2-0	Last 10 Games	5-5-0
3.70	Buts par match	3.26
2.98	Buts contre par match	2.93
24.21%	Pourcentage en avantage numérique	16.32%
83.84%	Pourcentage en désavantage numérique	84.36%

San Diego
49-29-4, 102pts

FINAL

Abbotsford
26-49-7, 59pts

Team Stats
W4	Streak	L1
26-13-2	Home Record	15-22-4
23-16-2	Away Record	11-27-3
8-2-0	Last 10 Games	1-9-0
3.70	Buts par match	2.88
2.98	Buts contre par match	4.09
24.21%	Pourcentage en avantage numérique	17.80%
83.84%	Pourcentage en désavantage numérique	76.28%

Meneurs d'équipe
	Buts Sam Carrick 39	Passes Richard Panik 56

	Points Richard Panik 90	Plus/Moins Nick Spaling 27

	Victoires Casey DeSmith 31	Pourcentage d’arrêts Casey DeSmith 0.913

Statistiques d’équipe
Buts pour 303 3.70 GFG	Tirs pour 3021 36.84 Avg	Pourcentage en avantage numérique 24.2% 77 GF	Début de zone offensive 42.7%
Buts contre 244 2.98 GAA	Tirs contre 2740 33.41 Avg	Pourcentage en désavantage numérique 83.8%% 48 GA	Début de la zone défensive 39.4%

Informations de l'équipe
	Directeur général	Michael Chouinard
	Entraîneur	Scott Arniel
	Division	Pacifique
	Conférence	Conference ouest
	Capitaine	Mike Green
	Assistant #1
	Assistant #2	Trevor Daley
Informations de l’aréna
	Capacité	3,000
	Assistance	2,276
	Billets de saison	300
Informations de la formation
	Équipe Pro	21
	Équipe Mineure	18
	Limite contact	39 / 50
	Espoirs	51
Historique d'équipe
	Saison actuelle	49-29-4 (102PTS)
	Historique	98-58-16 (0.570%)
	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 moyen
1	Max Veronneau (R)			X		100.00	63	27	97	76	88	70	81	64	71	64	66	63	76	47	48	56	50	0	0	25	1	500,000$
2	Luke Adam	X	X			100.00	63	31	93	62	75	77	91	66	80	65	65	66	73	55	46	37	50	0	0	31	2	750,000$
3	Nick Spaling	X	X			100.00	64	37	91	66	74	79	88	72	83	72	75	71	76	65	53	28	50	0	0	32	1	1,170,000$
4	Marc-Antoine Pouliot	X		X		100.00	66	19	96	54	73	66	83	65	74	63	65	64	79	82	76	19	50	0	0	36	2	550,000$
5	Matt Frattin		X	X		100.00	57	23	92	70	78	71	76	63	55	60	64	57	84	66	64	20	50	0	0	33	1	550,000$
6	Sam Carrick	X		X		100.00	89	40	85	77	85	75	80	71	85	68	74	70	75	62	62	39	50	0	0	29	3	1,170,000$
7	Richard Panik		X	X		100.00	72	36	89	70	76	76	85	74	74	72	73	67	73	63	61	46	50	0	0	30	3	1,170,000$
8	Sam Lafferty	X	X	X		100.00	88	35	81	79	79	81	84	70	89	68	71	77	77	49	51	63	50	0	0	26	2	775,000$
9	Kris Versteeg		X	X		100.00	57	26	94	67	69	73	80	69	70	67	71	62	79	71	69	32	50	0	0	35	2	957,000$
10	James Neal		X	X		100.00	83	36	83	65	76	84	81	73	70	69	72	64	80	77	67	49	50	0	0	33	2	1,160,000$
11	Jordan Weal	X	X	X		100.00	68	27	89	74	74	79	85	76	88	74	72	65	78	58	55	51	50	0	0	29	3	1,000,000$
12	Joakim Nygard		X			100.00	71	25	93	77	77	75	81	66	70	66	68	64	75	59	59	46	50	0	0	28	1	700,000$
13	Andrew MacDonald				X	100.00	61	26	83	60	76	77	87	52	50	46	44	84	76	74	71	12	50	0	0	34	1	550,000$
14	Mike Green (C)				X	100.00	66	27	79	67	73	84	83	64	50	58	57	86	79	80	75	23	50	0	0	35	2	1,170,000$
15	Mikko Lehtonen				X	100.00	83	25	91	80	78	82	80	59	50	52	42	86	75	54	54	57	50	0	0	27	2	750,000$
16	Christian Wolanin				X	100.00	76	25	81	75	88	81	85	42	50	40	40	84	75	49	48	59	50	0	0	26	3	750,000$
17	Nick Seeler				X	100.00	73	47	63	72	91	75	92	48	50	47	51	85	76	55	52	56	50	0	0	28	1	750,000$
18	Igor Ozhiganov				X	100.00	73	33	77	73	94	78	85	50	50	50	52	88	71	55	51	60	50	0	0	28	1	700,000$
19	Trevor Daley (A)				X	100.00	60	31	87	58	71	76	87	55	50	56	52	89	68	74	85	16	50	0	0	37	1	1,040,000$
Rayé

	MOYENNE D’ÉQUIPE					100.00	70	30	87	70	79	77	84	63	66	61	62	73	76	63	60	40	50	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 gardien	CON	SK	DU	EN	SZ	AG	RB	SC	HS	RT	PH	PS	EX	LD	PO	MO	OV	SP	Âge	Contrat	Salaire moyen
1	Justin Pogge	100.00	61	87	86	91	79	97	96	98	99	84	78	83	82	22	50	0	0	35	1	956,000$
2	Casey DeSmith	100.00	74	83	86	89	83	94	95	96	97	91	83	62	62	60	50	0	0	29	2	900,000$
Rayé

	MOYENNE D’ÉQUIPE	100.00	68	85	86	90	81	96	96	97	98	88	81	73	72	41	50	0

Nom de l’entraîneur	PH	DF	OF	PD	EX	LD	PO	CNT	Âge	Contrat	Salaire
Scott Arniel	73	79	80	80	95	92	63	CAN	59	2	500,000$

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	GP	G	A	P	+/-	PIM	PIM5	HIT	HTT	SHT	OSB	OSM	SHT%	SB	MP	AMG	PPG	PPA	PPP	PPS	PPM	PKG	PKA	PKP	PKS	PKM	GW	GT	FO%	FOT	EG	P/20	PSG	PSS	FW	FL	FT	S1	S2	S3
1	Richard Panik	San Diego (ANA)	LW/RW	82	34	56	90	22	20	0	58	89	297	90	193	11.45%	11	1422	17.35	13	22	35	67	257	0	0	0	0	0	6	1	48.65%	111	0	1.27	0	0	0	0	0	5	4	3
2	Nick Spaling	San Diego (ANA)	C/LW	80	35	45	80	27	21	5	22	178	293	90	200	11.95%	14	1614	20.18	10	15	25	73	255	1	1	2	5	179	7	1	51.88%	2259	2	0.99	0	3	0	0	1	3	5	12
3	Sam Carrick	San Diego (ANA)	C/RW	82	39	39	78	14	89	15	209	129	295	92	236	13.22%	19	1690	20.62	7	12	19	56	256	1	1	2	9	204	6	1	51.74%	516	0	0.92	0	0	2	0	1	5	8	5
4	Sam Lafferty	San Diego (ANA)	C/LW/RW	72	31	43	74	21	38	0	154	179	281	73	197	11.03%	11	1438	19.98	9	15	24	74	232	1	0	1	4	133	4	3	55.57%	2172	1	1.03	0	0	0	0	0	7	5	5
5	Jordan Weal	San Diego (ANA)	C/LW/RW	71	26	44	70	14	8	0	20	103	251	79	201	10.36%	6	1411	19.88	5	13	18	50	219	0	0	0	5	105	5	3	55.78%	199	0	0.99	0	1	0	0	0	2	9	1
6	James Neal	San Diego (ANA)	LW/RW	82	27	39	66	21	48	0	168	66	247	62	186	10.93%	2	1439	17.55	5	16	21	65	265	0	0	0	0	0	2	1	46.43%	112	0	0.92	1	5	0	0	0	1	3	6
7	Trevor Daley	San Diego (ANA)	D	82	13	49	62	9	26	0	46	76	133	49	111	9.77%	117	1963	23.95	12	13	25	65	255	0	2	2	3	229	3	1	0.00%	0	0	0.63	0	0	0	0	0	1	3	3
8	Mikko Lehtonen	San Diego (ANA)	D	74	11	41	52	13	68	0	101	68	127	39	88	8.66%	117	1571	21.23	4	10	14	69	239	0	1	1	2	196	2	0	0.00%	0	0	0.66	0	0	0	0	0	0	4	2
9	Igor Ozhiganov	San Diego (ANA)	D	77	7	42	49	11	89	5	127	57	137	45	83	5.11%	94	1529	19.86	2	19	21	71	242	0	1	1	0	186	1	1	0.00%	0	1	0.64	0	0	0	1	0	3	0	0
10	Mike Green	San Diego (ANA)	D	82	12	33	45	15	39	5	73	90	168	50	86	7.14%	139	1758	21.45	9	6	15	103	267	0	0	0	1	229	1	0	0.00%	0	0	0.51	1	4	0	1	0	1	2	2
11	Joakim Nygard	San Diego (ANA)	LW	82	16	14	30	-6	34	0	74	79	190	39	98	8.42%	3	1004	12.25	0	1	1	2	7	0	0	0	1	13	3	2	52.56%	78	0	0.60	0	0	0	0	0	2	2	3
12	Nick Seeler	San Diego (ANA)	D	82	7	21	28	1	112	10	105	41	56	21	35	12.50%	73	1139	13.90	1	0	1	2	6	0	0	0	0	7	2	1	0.00%	0	0	0.49	0	0	0	2	0	0	0	1
13	Luke Adam	San Diego (ANA)	C/LW	82	10	13	23	-6	16	0	43	127	128	36	83	7.81%	12	1198	14.61	0	0	0	0	0	1	0	1	4	236	2	0	51.38%	1302	0	0.38	0	0	0	0	0	2	0	2
14	Andrew MacDonald	San Diego (ANA)	D	82	4	18	22	7	16	0	24	47	46	17	38	8.70%	70	1208	14.74	0	1	1	0	3	0	0	0	0	97	2	1	0.00%	0	0	0.36	0	0	0	0	0	1	0	1
15	Kris Versteeg	San Diego (ANA)	LW/RW	82	10	9	19	-5	11	5	28	33	102	27	77	9.80%	3	604	7.37	0	0	0	0	4	0	0	0	0	0	1	0	47.50%	40	0	0.63	0	2	0	1	0	0	0	1
16	Max Veronneau	San Diego (ANA)	RW	82	10	8	18	-9	10	0	34	59	145	43	90	6.90%	2	944	11.51	0	0	0	1	3	0	0	0	0	0	0	1	48.53%	68	0	0.38	0	0	0	0	0	1	0	0
17	Matt Frattin	San Diego (ANA)	LW/RW	71	6	7	13	0	4	0	15	19	63	20	44	9.52%	3	551	7.77	0	0	0	0	1	0	0	0	5	85	0	0	51.43%	35	0	0.47	1	3	0	0	0	0	0	0
18	Marc-Antoine Pouliot	San Diego (ANA)	C/RW	80	1	10	11	-1	10	0	47	47	41	16	54	2.44%	6	514	6.43	0	0	0	0	0	0	0	0	0	17	0	0	53.11%	644	0	0.43	0	0	0	0	0	0	0	0
19	Christian Wolanin	San Diego (ANA)	D	80	2	6	8	-1	31	5	24	15	20	1	8	10.00%	27	400	5.01	0	0	0	0	0	0	0	0	0	19	0	0	0.00%	0	0	0.40	0	0	0	0	0	0	0	0
Statistiques d’équipe totales ou en moyenne				1507	301	537	838	147	690	50	1372	1502	3020	889	2108	9.97%	729	23405	15.53	77	143	220	698	2518	4	6	10	39	1942	47	17	52.88%	7536	4	0.72	3	18	2	5	2	34	45	47

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	A	EG	PS %	PSA	ST	BG	S1	S2	S3
1	Casey DeSmith	San Diego (ANA)	54	31	19	2	0.913	2.90	3162	8	2	153	1754	2	1	0.800	10	51	31	4	5	1
2	Justin Pogge	San Diego (ANA)	26	16	7	2	0.913	2.83	1485	0	1	70	802	2	0	0.667	9	26	50	3	3	1
Statistiques d’équipe totales ou en moyenne			80	47	26	4	0.913	2.88	4647	8	3	223	2556	4	1		19	77	81	7	8	2

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	Waiver Possible	Contrat	Type	Salaire actuel	Plafond salarial	Plafond salarial restant	Exclus du plafond salarial	Salaire annuel 2	Salaire annuel 3	Link
Andrew MacDonald	San Diego (ANA)	D	34	1986-09-07	No	213 Lbs	6 ft1	No	No	No	No	1	Pro & Farm	550,000$	0$	0$	No			Lien
Casey DeSmith	San Diego (ANA)	G	29	1991-08-13 06:42:45	No	186 Lbs	6 ft0	No	No	No	No	2	Pro & Farm	900,000$	0$	0$	No	900,000$		Lien
Christian Wolanin	San Diego (ANA)	D	26	1995-03-17	No	192 Lbs	6 ft2	No	No	No	No	3	Pro & Farm	750,000$	0$	0$	No	750,000$	750,000$	Lien
Igor Ozhiganov	San Diego (ANA)	D	28	1992-10-13	No	212 Lbs	6 ft2	No	No	No	No	1	Pro & Farm	700,000$	0$	0$	No			Lien
James Neal	San Diego (ANA)	LW/RW	33	1987-09-03	No	226 Lbs	6 ft2	No	No	No	No	2	Pro & Farm	1,160,000$	0$	0$	No	1,160,000$		Lien
Joakim Nygard	San Diego (ANA)	LW	28	1993-01-08	No	180 Lbs	6 ft0	No	No	No	No	1	Pro & Farm	700,000$	0$	0$	No			Lien
Jordan Weal	San Diego (ANA)	C/LW/RW	29	1992-04-15	No	181 Lbs	5 ft10	No	No	No	No	3	Pro & Farm	1,000,000$	0$	0$	No	1,000,000$	1,000,000$	Lien
Justin Pogge	San Diego (ANA)	G	35	1986-04-22 23:37:02	No	225 Lbs	6 ft3	No	No	No	No	1	Pro & Farm	956,000$	0$	0$	No
Kris Versteeg	San Diego (ANA)	LW/RW	35	1986-05-13	No	179 Lbs	5 ft11	No	No	No	No	2	Pro & Farm	957,000$	0$	0$	No	957,000$		Lien
Luke Adam	San Diego (ANA)	C/LW	31	1990-01-01	No	216 Lbs	6 ft2	No	No	No	No	2	Pro & Farm	750,000$	0$	0$	No	750,000$		Lien
Marc-Antoine Pouliot	San Diego (ANA)	C/RW	36	1985-01-10	No	211 Lbs	6 ft1	No	No	No	No	2	Pro & Farm	550,000$	0$	0$	No	550,000$
Matt Frattin	San Diego (ANA)	LW/RW	33	1988-01-03	No	207 Lbs	6 ft0	No	No	No	No	1	Pro & Farm	550,000$	0$	0$	No			Lien
Max Veronneau	San Diego (ANA)	RW	25	1995-12-12	Yes	195 Lbs	6 ft1	No	No	No	No	1	Pro & Farm	500,000$	0$	0$	No			Lien
Mike Green	San Diego (ANA)	D	35	1985-10-12	No	211 Lbs	6 ft1	No	No	No	No	2	Pro & Farm	1,170,000$	0$	0$	No	1,170,000$		Lien
Mikko Lehtonen	San Diego (ANA)	D	27	1994-01-16 06:34:35	No	196 Lbs	6 ft0	No	No	No	No	2	Pro & Farm	750,000$	0$	0$	No	750,000$		Lien
Nick Seeler	San Diego (ANA)	D	28	1993-06-03	No	199 Lbs	6 ft2	No	No	No	No	1	Pro & Farm	750,000$	0$	0$	No			Lien
Nick Spaling	San Diego (ANA)	C/LW	32	1988-09-19	No	214 Lbs	6 ft1	No	No	No	No	1	Pro & Farm	1,170,000$	0$	0$	No			Lien
Richard Panik	San Diego (ANA)	LW/RW	30	1991-02-07	No	212 Lbs	6 ft1	No	No	No	No	3	Pro & Farm	1,170,000$	0$	0$	No	1,170,000$	1,170,000$	Lien
Sam Carrick	San Diego (ANA)	C/RW	29	1992-02-04 12:28:46	No	205 Lbs	6 ft0	No	No	No	No	3	Pro & Farm	1,170,000$	0$	0$	No	1,170,000$	1,170,000$	Lien
Sam Lafferty	San Diego (ANA)	C/LW/RW	26	1995-03-06	No	198 Lbs	6 ft1	No	No	No	No	2	Pro & Farm	775,000$	0$	0$	No	775,000$		Lien
Trevor Daley	San Diego (ANA)	D	37	1983-10-09	No	199 Lbs	5 ft11	No	No	No	No	1	Pro & Farm	1,040,000$	0$	0$	No			Lien

Nombre de joueurs	Âge moyen	Poids moyen	Taille moyenne	Contrat moyen	Salaire moyen 1e année
21	30.76	203 Lbs	6 ft1	1.76	858,000$

Attaque à 5 contre 5
Ligne #	Ailier gauche	Centre	Ailier droit	% temps	PHY	DF	OF
1	Jordan Weal	Nick Spaling	Sam Carrick	33	0	0	5
2	Richard Panik	Sam Lafferty	James Neal	30	0	0	5
3	Joakim Nygard	Luke Adam	Max Veronneau	24	0	4	1
4	Kris Versteeg	Marc-Antoine Pouliot	Matt Frattin	13	0	4	1

Défense à 5 contre 5
Ligne #	Défense	Défense	% temps	PHY	DF	OF
1	Igor Ozhiganov	Trevor Daley	33	0	2	3
2	Mike Green	Mikko Lehtonen	30	0	2	3
3	Nick Seeler	Andrew MacDonald	24	0	2	3
4	Trevor Daley	Christian Wolanin	13	0	5	0

Attaque en avantage numérique
Ligne #	Ailier gauche	Centre	Ailier droit	% temps	PHY	DF	OF
1	Jordan Weal	Nick Spaling	Sam Carrick	50	0	0	5
2	Richard Panik	Sam Lafferty	James Neal	50	0	0	5

Défense en avantage numérique
Ligne #	Défense	Défense	% temps	PHY	DF	OF
1	Igor Ozhiganov	Trevor Daley	50	0	0	5
2	Mike Green	Mikko Lehtonen	50	0	0	5

Attaque à 4 en désavantage numérique
Ligne #	Centre	Ailier	% temps	PHY	DF	OF
1	Nick Spaling	Jordan Weal	50	0	5	0
2	Sam Carrick	Luke Adam	50	0	5	0

Défense à 4 en désavantage numérique
Ligne #	Défense	Défense	% temps	PHY	DF	OF
1	Igor Ozhiganov	Trevor Daley	50	0	5	0
2	Mikko Lehtonen	Mike Green	50	0	5	0

3 joueurs en désavantage numérique
Ligne #	Ailier	% temps	PHY	DF	OF	Défense	Défense	% temps	PHY	DF	OF
1	Sam Carrick	50	0	5	0	Igor Ozhiganov	Trevor Daley	50	0	5	0
2	Nick Spaling	50	0	5	0	Nick Seeler	Mike Green	50	0	5	0

Attaque à 4 contre 4
Ligne #	Centre	Ailier	% temps	PHY	DF	OF
1	Luke Adam	Joakim Nygard	50	0	1	4
2	Sam Carrick	Sam Lafferty	50	0	1	4

Défense à 4 contre 4
Ligne #	Défense	Défense	% temps	PHY	DF	OF
1	Nick Seeler	Igor Ozhiganov	50	0	1	4
2	Christian Wolanin	Andrew MacDonald	50	0	1	4

Attaque dernière minute
Ailier gauche	Centre	Ailier droit	Défense	Défense
Jordan Weal	Nick Spaling	James Neal	Mike Green	Trevor Daley

Défense dernière minute
Ailier gauche	Centre	Ailier droit	Défense	Défense
Jordan Weal	Nick Spaling	Sam Lafferty	Mikko Lehtonen	Trevor Daley

Attaquants supplémentaires
Normal	Avantage numérique	Désavantage numérique
Joakim Nygard, Nick Spaling, Richard Panik	Joakim Nygard, Max Veronneau	Jordan Weal

Défenseurs supplémentaires
Normal	Avantage numérique	Désavantage numérique
Trevor Daley, Igor Ozhiganov, Mike Green	Nick Seeler	Trevor Daley, Andrew MacDonald

Tirs de pénalité
Nick Spaling, James Neal, Mike Green, Kris Versteeg, Marc-Antoine Pouliot

Gardien
#1 : Casey DeSmith, #2 : Justin Pogge

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	Abbotsford	7	6	1	0	0	0	0	0	25	11	14	3	3	0	0	0	0	0	0	10	2	8	4	3	1	0	0	0	0	0	15	9	6	12	0.857	25	45	70	0	1	106	94	96	8	255	993	926	1068	53	192	41	52	121	41	11	26.83%	26	2	92.31%	0	1750	3326	52.62%	1560	3067	50.86%	729	1398	52.15%	1991	1361	1879	608	1083	549
2	Bakersfield	6	3	3	0	0	0	0	0	21	19	2	3	2	1	0	0	0	0	0	13	9	4	3	1	2	0	0	0	0	0	8	10	-2	6	0.500	21	39	60	0	0	106	94	96	8	215	993	926	1068	53	181	53	65	105	23	1	4.35%	21	3	85.71%	0	1750	3326	52.62%	1560	3067	50.86%	729	1398	52.15%	1991	1361	1879	608	1083	549
3	Charlotte	2	1	1	0	0	0	0	0	7	7	0	1	0	1	0	0	0	0	0	4	5	-1	1	1	0	0	0	0	0	0	3	2	1	2	0.500	7	11	18	0	0	106	94	96	8	64	993	926	1068	53	82	17	18	25	9	2	22.22%	9	0	100.00%	0	1750	3326	52.62%	1560	3067	50.86%	729	1398	52.15%	1991	1361	1879	608	1083	549
4	Cleveland	3	1	2	0	0	0	0	0	9	10	-1	2	1	1	0	0	0	0	0	6	6	0	1	0	1	0	0	0	0	0	3	4	-1	2	0.333	9	17	26	0	0	106	94	96	8	101	993	926	1068	53	106	25	30	45	13	3	23.08%	14	1	92.86%	1	1750	3326	52.62%	1560	3067	50.86%	729	1398	52.15%	1991	1361	1879	608	1083	549
5	Grand Rapids	2	1	0	0	0	0	0	1	6	5	1	1	1	0	0	0	0	0	0	3	1	2	1	0	0	0	0	0	0	1	3	4	-1	3	0.750	6	12	18	0	0	106	94	96	8	68	993	926	1068	53	85	25	20	21	5	2	40.00%	10	1	90.00%	0	1750	3326	52.62%	1560	3067	50.86%	729	1398	52.15%	1991	1361	1879	608	1083	549
6	Hartford	2	2	0	0	0	0	0	0	12	4	8	1	1	0	0	0	0	0	0	5	1	4	1	1	0	0	0	0	0	0	7	3	4	4	1.000	12	21	33	0	0	106	94	96	8	86	993	926	1068	53	75	21	14	37	10	3	30.00%	5	1	80.00%	1	1750	3326	52.62%	1560	3067	50.86%	729	1398	52.15%	1991	1361	1879	608	1083	549
7	Hershey	2	1	1	0	0	0	0	0	11	10	1	1	1	0	0	0	0	0	0	6	4	2	1	0	1	0	0	0	0	0	5	6	-1	2	0.500	11	20	31	0	0	106	94	96	8	69	993	926	1068	53	91	29	10	39	10	3	30.00%	5	2	60.00%	0	1750	3326	52.62%	1560	3067	50.86%	729	1398	52.15%	1991	1361	1879	608	1083	549
8	Iowa	4	2	2	0	0	0	0	0	15	11	4	2	1	1	0	0	0	0	0	5	4	1	2	1	1	0	0	0	0	0	10	7	3	4	0.500	15	26	41	0	0	106	94	96	8	142	993	926	1068	53	138	35	38	63	18	3	16.67%	18	2	88.89%	0	1750	3326	52.62%	1560	3067	50.86%	729	1398	52.15%	1991	1361	1879	608	1083	549
9	Laval	2	0	1	0	1	0	0	0	9	9	0	1	0	1	0	0	0	0	0	5	6	-1	1	0	0	0	1	0	0	0	4	3	1	2	0.500	9	16	25	0	0	106	94	96	8	75	993	926	1068	53	75	22	40	23	7	1	14.29%	9	3	66.67%	0	1750	3326	52.62%	1560	3067	50.86%	729	1398	52.15%	1991	1361	1879	608	1083	549
10	Lehigh Valley	2	1	1	0	0	0	0	0	8	8	0	1	0	1	0	0	0	0	0	5	6	-1	1	1	0	0	0	0	0	0	3	2	1	2	0.500	8	13	21	0	0	106	94	96	8	53	993	926	1068	53	62	15	16	40	6	3	50.00%	8	3	62.50%	0	1750	3326	52.62%	1560	3067	50.86%	729	1398	52.15%	1991	1361	1879	608	1083	549
11	Manitoba	4	4	0	0	0	0	0	0	16	8	8	2	2	0	0	0	0	0	0	7	4	3	2	2	0	0	0	0	0	0	9	4	5	8	1.000	16	29	45	0	0	106	94	96	8	176	993	926	1068	53	123	27	20	69	21	3	14.29%	6	3	50.00%	0	1750	3326	52.62%	1560	3067	50.86%	729	1398	52.15%	1991	1361	1879	608	1083	549
12	Milwaukee	4	2	1	0	1	0	0	0	14	10	4	2	2	0	0	0	0	0	0	8	4	4	2	0	1	0	1	0	0	0	6	6	0	6	0.750	14	27	41	0	0	106	94	96	8	158	993	926	1068	53	135	43	31	70	16	6	37.50%	10	1	90.00%	0	1750	3326	52.62%	1560	3067	50.86%	729	1398	52.15%	1991	1361	1879	608	1083	549
13	Ontario	6	2	3	0	0	0	0	1	17	22	-5	3	1	1	0	0	0	0	1	10	10	0	3	1	2	0	0	0	0	0	7	12	-5	5	0.417	17	30	47	0	0	106	94	96	8	226	993	926	1068	53	240	52	54	93	22	5	22.73%	27	7	74.07%	1	1750	3326	52.62%	1560	3067	50.86%	729	1398	52.15%	1991	1361	1879	608	1083	549
14	Providence	2	1	1	0	0	0	0	0	7	5	2	1	1	0	0	0	0	0	0	3	0	3	1	0	1	0	0	0	0	0	4	5	-1	2	0.500	7	13	20	0	1	106	94	96	8	77	993	926	1068	53	64	24	16	38	7	2	28.57%	7	2	71.43%	0	1750	3326	52.62%	1560	3067	50.86%	729	1398	52.15%	1991	1361	1879	608	1083	549
15	Rochester	4	2	2	0	0	0	0	0	18	11	7	2	1	1	0	0	0	0	0	12	6	6	2	1	1	0	0	0	0	0	6	5	1	4	0.500	18	33	51	0	1	106	94	96	8	125	993	926	1068	53	118	36	28	73	17	6	35.29%	13	1	92.31%	0	1750	3326	52.62%	1560	3067	50.86%	729	1398	52.15%	1991	1361	1879	608	1083	549
16	Rockford	4	1	2	0	1	0	0	0	13	13	0	2	1	1	0	0	0	0	0	6	5	1	2	0	1	0	1	0	0	0	7	8	-1	4	0.500	13	23	36	1	0	106	94	96	8	138	993	926	1068	53	134	39	28	77	11	3	27.27%	13	0	100.00%	0	1750	3326	52.62%	1560	3067	50.86%	729	1398	52.15%	1991	1361	1879	608	1083	549
17	San Jose	6	3	1	0	1	0	1	0	24	18	6	3	1	1	0	1	0	0	0	13	13	0	3	2	0	0	0	0	1	0	11	5	6	10	0.833	24	38	62	0	0	106	94	96	8	245	993	926	1068	53	207	38	51	101	21	5	23.81%	20	2	90.00%	1	1750	3326	52.62%	1560	3067	50.86%	729	1398	52.15%	1991	1361	1879	608	1083	549
18	Springfield	4	1	2	0	0	1	0	0	10	12	-2	2	0	1	0	0	1	0	0	4	6	-2	2	1	1	0	0	0	0	0	6	6	0	3	0.375	10	18	28	0	0	106	94	96	8	147	993	926	1068	53	113	22	28	64	14	0	0.00%	13	1	92.31%	0	1750	3326	52.62%	1560	3067	50.86%	729	1398	52.15%	1991	1361	1879	608	1083	549
19	Texas	4	2	2	0	0	0	0	0	11	12	-1	2	1	1	0	0	0	0	0	7	8	-1	2	1	1	0	0	0	0	0	4	4	0	4	0.500	11	20	31	0	0	106	94	96	8	152	993	926	1068	53	130	36	36	62	15	3	20.00%	18	4	77.78%	0	1750	3326	52.62%	1560	3067	50.86%	729	1398	52.15%	1991	1361	1879	608	1083	549
20	Toronto	2	0	1	0	1	0	0	0	6	8	-2	1	0	1	0	0	0	0	0	1	4	-3	1	0	0	0	1	0	0	0	5	4	1	2	0.500	6	12	18	0	0	106	94	96	8	70	993	926	1068	53	73	24	14	35	8	2	25.00%	7	1	85.71%	0	1750	3326	52.62%	1560	3067	50.86%	729	1398	52.15%	1991	1361	1879	608	1083	549
21	Tucson	6	3	2	0	0	0	0	1	24	19	5	3	3	0	0	0	0	0	0	17	6	11	3	0	2	0	0	0	0	1	7	13	-6	7	0.583	24	42	66	0	1	106	94	96	8	226	993	926	1068	53	193	55	54	114	11	2	18.18%	22	5	77.27%	0	1750	3326	52.62%	1560	3067	50.86%	729	1398	52.15%	1991	1361	1879	608	1083	549
22	Utica	2	1	0	0	0	0	1	0	10	8	2	1	0	0	0	0	0	1	0	6	5	1	1	1	0	0	0	0	0	0	4	3	1	4	1.000	10	15	25	0	0	106	94	96	8	74	993	926	1068	53	62	26	15	25	7	4	57.14%	5	1	80.00%	0	1750	3326	52.62%	1560	3067	50.86%	729	1398	52.15%	1991	1361	1879	608	1083	549
23	Wilkes-Barre/Scranton	2	2	0	0	0	0	0	0	10	4	6	1	1	0	0	0	0	0	0	4	2	2	1	1	0	0	0	0	0	0	6	2	4	4	1.000	10	17	27	0	0	106	94	96	8	79	993	926	1068	53	61	25	22	32	6	4	66.67%	11	2	81.82%	0	1750	3326	52.62%	1560	3067	50.86%	729	1398	52.15%	1991	1361	1879	608	1083	549
	Total	82	42	29	0	5	1	2	3	303	244	59	41	24	13	0	1	1	1	1	160	117	43	41	18	16	0	4	0	1	2	143	127	16	102	0.622	303	537	840	1	4	106	94	96	8	3021	993	926	1068	53	2740	730	700	1372	318	77	24.21%	297	48	83.84%	4	1750	3326	52.62%	1560	3067	50.86%	729	1398	52.15%	1991	1361	1879	608	1083	549
	_Since Last GM Reset	82	42	29	0	5	1	2	3	303	244	59	41	24	13	0	1	1	1	1	160	117	43	41	18	16	0	4	0	1	2	143	127	16	102	0.622	303	537	840	1	4	106	94	96	8	3021	993	926	1068	53	2740	730	700	1372	318	77	24.21%	297	48	83.84%	4	1750	3326	52.62%	1560	3067	50.86%	729	1398	52.15%	1991	1361	1879	608	1083	549
	_Vs Conference	55	29	19	0	3	1	1	2	190	155	35	27	17	7	0	1	1	0	1	100	71	29	28	12	12	0	2	0	1	1	90	84	6	69	0.627	190	337	527	1	2	106	94	96	8	2080	993	926	1068	53	1786	441	457	939	213	42	19.72%	194	30	84.54%	2	1750	3326	52.62%	1560	3067	50.86%	729	1398	52.15%	1991	1361	1879	608	1083	549
	_Vs Division	31	17	10	0	1	0	1	2	111	89	22	15	10	3	0	1	0	0	1	63	40	23	16	7	7	0	0	0	1	1	48	49	-1	40	0.645	111	194	305	0	2	106	94	96	8	1167	993	926	1068	53	1013	239	276	534	118	24	20.34%	116	19	83.62%	2	1750	3326	52.62%	1560	3067	50.86%	729	1398	52.15%	1991	1361	1879	608	1083	549

			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
82	102	W4	303	537	840	3021	2740	730	700	1372	1	4

Tous les matchs
GP	W	L	OTW	OTL	SOW	SOL	GF	GA
82	42	29	5	1	2	3	303	244

Matchs locaux
GP	W	L	OTW	OTL	SOW	SOL	GF	GA
41	24	13	1	1	1	1	160	117

Matchs extérieurs
GP	W	L	OTW	OTL	SOW	SOL	GF	GA
41	18	16	4	0	1	2	143	127

Derniers 10 matchs
W	L	OTW	OTL	SOW	SOL
8	2	0	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
318	77	24.21%	297	48	83.84%	4

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
993	926	1068	53	106	94	96	8

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
1750	3326	52.62%	1560	3067	50.86%	729	1398	52.15%

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
1991	1361	1879	608	1083	549

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
1 - 2022-11-25	3	San Diego	4	Abbotsford	2	AW			Sommaire du match
3 - 2022-11-26	14	Abbotsford	1	San Diego	4	BW			Sommaire du match
6 - 2022-11-27	29	San Diego	2	Ontario	6	AL			Sommaire du match
8 - 2022-11-28	41	Ontario	5	San Diego	4	BL	X	X	Sommaire du match
10 - 2022-11-29	52	San Diego	2	Tucson	6	AL			Sommaire du match
12 - 2022-11-30	61	Bakersfield	2	San Diego	4	BW			Sommaire du match
13 - 2022-12-01	68	San Diego	1	Bakersfield	3	AL			Sommaire du match
16 - 2022-12-02	79	San Diego	6	San Jose	2	AW			Sommaire du match
17 - 2022-12-03	91	Tucson	2	San Diego	4	BW			Sommaire du match
21 - 2022-12-05	111	Cleveland	2	San Diego	1	BL			Sommaire du match
22 - 2022-12-05	119	San Diego	3	Milwaukee	2	AW	X		Sommaire du match
25 - 2022-12-07	133	Bakersfield	4	San Diego	3	BL			Sommaire du match
27 - 2022-12-08	147	Ontario	1	San Diego	5	BW			Sommaire du match
32 - 2022-12-10	168	San Diego	3	Ontario	5	AL			Sommaire du match
33 - 2022-12-11	172	San Diego	1	Abbotsford	2	AL			Sommaire du match
35 - 2022-12-12	185	San Jose	6	San Diego	4	BL			Sommaire du match
38 - 2022-12-13	200	San Diego	5	Toronto	4	AW	X		Sommaire du match
39 - 2022-12-14	208	Grand Rapids	1	San Diego	3	BW			Sommaire du match
42 - 2022-12-15	225	San Diego	4	Laval	3	AW	X		Sommaire du match
44 - 2022-12-16	232	Springfield	2	San Diego	1	BL	X		Sommaire du match
46 - 2022-12-17	244	San Diego	4	Utica	3	AW			Sommaire du match
48 - 2022-12-18	254	Cleveland	4	San Diego	5	BW			Sommaire du match
49 - 2022-12-19	264	San Diego	3	Tucson	4	AL	X	X	Sommaire du match
53 - 2022-12-21	278	Tucson	4	San Diego	9	BW			Sommaire du match
55 - 2022-12-22	292	San Diego	5	Hershey	6	AL			Sommaire du match
56 - 2022-12-22	302	Iowa	1	San Diego	3	BW			Sommaire du match
59 - 2022-12-24	319	San Diego	4	Providence	5	AL			Sommaire du match
60 - 2022-12-24	326	Charlotte	5	San Diego	4	BL			Sommaire du match
63 - 2022-12-26	338	San Diego	4	Iowa	5	AL			Sommaire du match
64 - 2022-12-26	348	Toronto	4	San Diego	1	BL			Sommaire du match
67 - 2022-12-28	363	San Diego	6	Iowa	2	AW			Sommaire du match
69 - 2022-12-29	371	Providence	0	San Diego	3	BW			Sommaire du match
73 - 2022-12-31	390	San Diego	2	Tucson	3	AL			Sommaire du match
75 - 2023-01-01	398	San Jose	4	San Diego	5	BW	X		Sommaire du match
77 - 2023-01-02	407	San Diego	3	Grand Rapids	4	AL	X	X	Sommaire du match
79 - 2023-01-03	419	San Diego	2	Rochester	0	AW			Sommaire du match
81 - 2023-01-04	428	Springfield	4	San Diego	3	BL			Sommaire du match
83 - 2023-01-05	441	San Diego	0	Texas	3	AL			Sommaire du match
85 - 2023-01-06	449	Lehigh Valley	6	San Diego	5	BL			Sommaire du match
87 - 2023-01-07	465	San Diego	4	Texas	1	AW			Sommaire du match
89 - 2023-01-08	473	Laval	6	San Diego	5	BL			Sommaire du match
91 - 2023-01-09	484	San Diego	6	Wilkes-Barre/Scranton	2	AW			Sommaire du match
94 - 2023-01-10	497	San Diego	4	Manitoba	2	AW			Sommaire du match
95 - 2023-01-11	502	Hartford	1	San Diego	5	BW			Sommaire du match
98 - 2023-01-12	519	Wilkes-Barre/Scranton	2	San Diego	4	BW			Sommaire du match
100 - 2023-01-13	530	San Diego	7	Hartford	3	AW			Sommaire du match
102 - 2023-01-14	541	San Diego	4	Rochester	5	AL			Sommaire du match
104 - 2023-01-15	551	Hershey	4	San Diego	6	BW			Sommaire du match
108 - 2023-01-17	569	Iowa	3	San Diego	2	BL			Sommaire du match
111 - 2023-01-19	582	San Diego	3	Lehigh Valley	2	AW			Sommaire du match
113 - 2023-01-20	594	Milwaukee	1	San Diego	4	BW			Sommaire du match
117 - 2023-01-22	613	Milwaukee	3	San Diego	4	BW			Sommaire du match
122 - 2023-01-24	634	Tucson	0	San Diego	4	BW			Sommaire du match
125 - 2023-01-26	648	San Diego	3	Charlotte	2	AW			Sommaire du match
126 - 2023-01-26	657	Ontario	4	San Diego	1	BL			Sommaire du match
130 - 2023-01-28	678	San Diego	4	Rockford	3	AW	X		Sommaire du match
132 - 2023-01-29	683	Rockford	2	San Diego	1	BL			Sommaire du match
135 - 2023-01-31	701	Rochester	2	San Diego	1	BL			Sommaire du match
137 - 2023-02-01	713	San Diego	3	Rockford	5	AL			Sommaire du match
139 - 2023-02-02	720	San Diego	5	Manitoba	2	AW			Sommaire du match
141 - 2023-02-03	729	Rochester	4	San Diego	11	BW			Sommaire du match
145 - 2023-02-05	752	Abbotsford	0	San Diego	2	BW			Sommaire du match
147 - 2023-02-06	765	San Diego	4	Bakersfield	3	AW			Sommaire du match
Date limite d’échanges --- Les échanges ne peuvent plus se faire après la simulation de cette journée!
149 - 2023-02-07	775	Abbotsford	1	San Diego	4	BW			Sommaire du match
151 - 2023-02-08	786	San Diego	3	Cleveland	4	AL			Sommaire du match
155 - 2023-02-10	801	Bakersfield	3	San Diego	6	BW			Sommaire du match
157 - 2023-02-11	814	San Diego	3	Bakersfield	4	AL			Sommaire du match
159 - 2023-02-12	824	Manitoba	2	San Diego	4	BW			Sommaire du match
160 - 2023-02-12	831	San Diego	3	Milwaukee	4	AL			Sommaire du match
163 - 2023-02-14	846	Manitoba	2	San Diego	3	BW			Sommaire du match
165 - 2023-02-15	854	San Diego	2	Ontario	1	AW			Sommaire du match
167 - 2023-02-16	870	San Diego	3	San Jose	2	AW	X	X	Sommaire du match
169 - 2023-02-17	874	Texas	3	San Diego	5	BW			Sommaire du match
172 - 2023-02-18	890	San Diego	2	San Jose	1	AW			Sommaire du match
174 - 2023-02-19	896	Rockford	3	San Diego	5	BW			Sommaire du match
175 - 2023-02-20	903	San Diego	3	Springfield	4	AL			Sommaire du match
180 - 2023-02-22	919	Utica	5	San Diego	6	BW	X	X	Sommaire du match
185 - 2023-02-25	942	Texas	5	San Diego	2	BL			Sommaire du match
187 - 2023-02-26	946	San Diego	5	Abbotsford	3	AW			Sommaire du match
191 - 2023-02-28	962	San Jose	3	San Diego	4	BW			Sommaire du match
193 - 2023-03-01	971	San Diego	3	Springfield	2	AW			Sommaire du match
195 - 2023-03-02	979	San Diego	5	Abbotsford	2	AW			Sommaire du match

Capacité de l’aréna - Tendance du prix des billets - %
	Niveau 1	Niveau 2
Capacité	2000	1000
Prix des billets	50	30
Assistance	62,177	31,134
Assistance PCT	75.83%	75.94%

Revenu
Matchs à domicile restants	Assistance moyenne - %	Revenu moyen par match	Revenu annuel à ce jour	Capacité	Popularité de l’équipe
0	2276 - 75.86%	133,119$	5,457,870$	3000	100

Dépenses
Dépenses annuelles à ce jour	Salaire total des joueurs	Salaire total moyen des joueurs	Salaire des entraineurs
2,271,852$	1,801,800$	1,801,800$	0$

Plafond salarial par jour	Plafond salarial à ce jour	Joueurs Inclus dans le plafond salarial	Joueurs exclut du plafond Salarial
9,100$	1,771,897$	0	0

Estimation
Revenus de la saison estimés	Jours restants de la saison	Dépenses par jour	Dépenses de la saison estimées
0$	0	11,625$	0$

San Diego Leaders statistiques des joueurs (saison régulière)

Afficher ou masquer des colonnes

#	Nom du joueur	GP	G	A	P	+/-	PIM	HIT	HTT	SHT	SHT%	SB	MP	AMG	PPG	PPA	PPP	PPS	PKG	PKA	PKP	PKS	GW	GT	FO%	P/20	PSS
1	Richard Panik	164	68	112	180	44	40	116	178	594	11.45%	22	2845	17.35	26	44	70	134	0	0	0	0	12	2	48.65	1.27	0
2	Nick Spaling	160	70	90	160	54	42	44	356	586	11.95%	28	3228	20.18	20	30	50	146	2	2	4	10	14	2	51.88	0.99	6
3	Sam Carrick	164	78	78	156	28	178	418	258	590	13.22%	38	3381	20.62	14	24	38	112	2	2	4	18	12	2	51.74	0.92	0
4	Sam Lafferty	144	62	86	148	42	76	308	358	562	11.03%	22	2876	19.98	18	30	48	148	2	0	2	8	8	6	55.57	1.03	0
5	Jordan Weal	142	52	88	140	28	16	40	206	502	10.36%	12	2822	19.88	10	26	36	100	0	0	0	10	10	6	55.78	0.99	2

San Diego Leaders des statistiques des gardiens (saison régulière)

Afficher ou masquer des colonnes

#	Nom du gardien	GP	W	L	OTL	PCT	GAA	MP	PIM	SO	GA	SA	SAR	A	EG	PS %	PSA
1	Casey DeSmith	108	62	38	4	0.913	2.90	6324	16	4	306	3508	0	4	2	0.800	20
2	Justin Pogge	52	32	14	4	0.913	2.83	2970	0	2	140	1604	0	4	0	0.667	18

San Diego Statistiques de l'Équipe de Carrière

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
20	82	42	29	0	5	1	2	3	303	244	59	41	24	13	0	1	1	1	1	160	117	43	41	18	16	0	4	0	1	2	143	127	16	102	303	537	840	1	4	106	94	96	8	3021	993	926	1068	53	2740	730	700	1372	318	77	24.21%	297	48	83.84%	4	1750	3326	52.62%	1560	3067	50.86%	729	1398	52.15%	1991	1361	1879	608	1083	549
20	82	42	29	0	5	1	2	3	303	244	59	41	24	13	0	1	1	1	1	160	117	43	41	18	16	0	4	0	1	2	143	127	16	102	303	537	840	1	4	106	94	96	8	3021	993	926	1068	53	2740	730	700	1372	318	77	24.21%	297	48	83.84%	4	1750	3326	52.62%	1560	3067	50.86%	729	1398	52.15%	1991	1361	1879	608	1083	549
Total Saison régulière	164	84	58	0	10	2	4	6	606	488	118	82	48	26	0	2	2	2	2	320	234	86	82	36	32	0	8	0	2	4	286	254	32	204	606	1074	1680	2	8	212	188	192	16	6042	1986	1852	2136	106	5480	1460	1400	2744	636	154	24.21%	594	96	83.84%	8	3500	6652	52.62%	3120	6134	50.86%	1458	2796	52.15%	3983	2723	3759	1216	2167	1098
Séries éliminatoires
Total Séries éliminatoires											0											0	0	0	0	0	0	0	0	0	0	0	0																						0.00%			0.00%				0.00%			0.00%			0.00%	0	0	0	0	0	0

San Diego Leaders statistiques des joueurs (séries éliminatoires)

Afficher ou masquer des colonnes

#	Nom du joueur	GP	G	A	P	+/-	PIM	HIT	HTT	SHT	SHT%	SB	MP	AMG	PPG	PPA	PPP	PPS	PKG	PKA	PKP	PKS	GW	GT	FO%	HT	P/20	PSG	PSS

San Diego Leaders des statistiques des gardiens (séries éliminatoires)

Afficher ou masquer des colonnes

#	Nom du gardien	GP	W	L	OTL	PCT	GAA	MP	PIM	SO	GA	SA	SAR	A	EG	PS %	PSA

	San Diego
	GP: 82 \| W: 49 \| L: 29 \| OTL: 4 \| P: 102 GF: 303 \| GA: 244 \| PP%: 24.21% \| PK%: 83.84% DG: Michael Chouinard \| Morale : 50 \| Moyenne d’équipe : N/A