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

Centre de jeu
	Texas 52-27-3, 107pts	2	FINAL	1	Toronto 38-37-7, 83pts

Team Stats
L1	Streak	W1
30-9-2	Home Record	21-15-5
22-18-1	Away Record	17-22-2
5-5-0	Last 10 Games	2-7-1
3.35	Buts par match	3.16
2.71	Buts contre par match	3.20
15.54%	Pourcentage en avantage numérique	18.95%
86.51%	Pourcentage en désavantage numérique	83.18%

Iowa
33-42-7, 73pts

FINAL

Toronto
38-37-7, 83pts

Team Stats
L1	Streak	W1
18-20-3	Home Record	21-15-5
15-22-4	Away Record	17-22-2
5-4-1	Last 10 Games	2-7-1
2.73	Buts par match	3.16
3.61	Buts contre par match	3.20
17.45%	Pourcentage en avantage numérique	18.95%
81.48%	Pourcentage en désavantage numérique	83.18%

Meneurs d'équipe
	Buts Jimmy Vesey 25	Passes Luca Sbisa 54

	Points Luca Sbisa 73	Plus/Moins Nikita Tryamkin 16

	Victoires Michal Neuvirth 17	Pourcentage d’arrêts Jake Oettinger 0.925

Statistiques d’équipe
Buts pour 259 3.16 GFG	Tirs pour 2609 31.82 Avg	Pourcentage en avantage numérique 19.0% 65 GF	Début de zone offensive 41.0%
Buts contre 262 3.20 GAA	Tirs contre 2755 33.60 Avg	Pourcentage en désavantage numérique 83.2%% 55 GA	Début de la zone défensive 41.4%

Informations de l'équipe
	Directeur général	Richard Gadbois
	Entraîneur	Marty Raymond
	Division	Nord
	Conférence	Conference est
	Capitaine
	Assistant #1	Nick Bonino
	Assistant #2	Valtteri Filppula
Informations de l’aréna
	Capacité	3,000
	Assistance	2,276
	Billets de saison	300
Informations de la formation
	Équipe Pro	20
	Équipe Mineure	18
	Limite contact	38 / 50
	Espoirs	12
Historique d'équipe
	Saison actuelle	38-37-7 (83PTS)
	Historique	76-74-12 (0.469%)
	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	Nikolai Zherdev		X	X		100.00	68	33	93	61	75	67	90	67	84	63	68	60	83	97	95	17	50	0	0	35	2	1,240,000$
2	Oscar Moller		X	X		100.00	66	28	99	75	77	85	80	67	70	69	69	72	75	84	75	25	50	0	0	32	3	500,000$
3	Rocco Grimaldi		X	X		100.00	73	19	96	76	67	78	81	69	70	66	72	63	82	56	54	54	50	0	0	28	1	750,000$
4	Valtteri Filppula (A)	X	X	X		100.00	61	23	91	66	75	80	90	72	80	70	68	63	84	87	83	1	50	0	0	37	2	1,350,000$
5	Jimmy Vesey		X	X		100.00	74	31	75	76	87	82	95	73	70	72	72	65	80	55	45	56	50	0	0	28	1	675,000$
6	David Desharnais	X	X			100.00	57	25	97	71	66	81	92	71	86	72	71	64	88	76	70	34	50	0	0	34	2	1,200,000$
7	Nick Bonino (A)	X	X			100.00	57	36	92	58	75	78	83	68	85	68	64	67	79	64	90	30	50	0	0	33	2	850,000$
8	Kyle Okposo			X		100.00	70	34	93	73	78	88	87	73	70	65	73	59	85	62	53	37	50	0	0	33	2	1,203,000$
9	Linus Omark		X	X		100.00	60	23	95	61	71	67	84	72	50	64	68	64	75	78	59	26	50	0	0	34	2	650,000$
10	Luca Sbisa				X	100.00	68	41	72	80	81	81	95	58	1	58	52	86	62	70	53	41	50	0	0	31	2	1,000,000$
11	Nikita Tryamkin				X	100.00	76	35	65	79	93	82	99	54	55	55	52	87	80	49	39	55	50	0	0	26	2	900,000$
12	Brent Seabrook				X	100.00	64	32	88	55	81	76	97	56	31	56	48	88	75	92	90	23	50	0	0	36	3	1,180,000$
13	Mark Borowiecki				X	100.00	81	55	43	60	91	74	87	48	50	48	49	87	62	63	60	34	50	0	0	31	2	800,000$
14	Casey Nelson				X	100.00	74	34	82	76	81	82	83	51	50	50	44	87	71	55	55	51	50	0	0	28	3	500,000$
15	Mark Pysyk				X	100.00	62	34	95	75	80	88	86	58	50	52	61	84	78	58	57	59	50	0	0	29	3	1,000,500$
Rayé
1	Jim O'Brien	X		X		100.00	65	22	92	60	78	70	89	65	73	62	64	68	75	58	58	28	50	0	0	32	2	951,000$
2	Joe Colborne	X	X	X		100.00	74	39	81	71	86	81	86	70	98	72	70	61	83	61	61	51	50	0	0	31	1	999,999$
3	Juuso Riikola				X	100.00	77	29	85	80	87	82	80	48	51	49	44	83	77	53	49	60	50	0	0	27	2	650,000$

	MOYENNE D’ÉQUIPE					100.00	68	32	85	70	79	79	88	63	62	62	62	73	77	68	64	38	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	David Rittich	100.00	71	87	88	91	83	95	96	93	93	93	93	59	59	57	50	0	0	28	3	500,000$
2	Michal Neuvirth	100.00	65	81	82	87	78	93	97	98	98	82	85	79	78	43	50	0	0	33	3	500,000$
Rayé

	MOYENNE D’ÉQUIPE	100.00	68	84	85	89	81	94	97	96	96	88	89	69	69	50	50	0

Nom de l’entraîneur	PH	DF	OF	PD	EX	LD	PO	CNT	Âge	Contrat	Salaire
Marty Raymond	72	72	69	74	86	87	69	CAN	59	2	550,000$

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	HT	P/20	FW	FL	FT	S1	S2	S3
1	Luca Sbisa	Toronto (TOR)	D	82	19	54	73	7	92	10	109	124	158	49	110	12.03%	121	1883	22.97	10	13	23	76	291	0	2	2	2	244	4	1	0.00%	0	1	0	0.78	0	0	2	3	4	2
2	Valtteri Filppula	Toronto (TOR)	C/LW/RW	82	22	39	61	-19	30	0	54	119	201	54	155	10.95%	6	1658	20.23	6	13	19	54	285	2	1	3	3	141	4	0	51.71%	1201	0	0	0.74	0	0	0	3	4	0
3	Jimmy Vesey	Toronto (TOR)	LW/RW	76	25	36	61	8	36	0	149	98	252	75	214	9.92%	14	1666	21.92	5	14	19	52	271	0	0	0	5	223	2	0	50.40%	250	0	0	0.73	0	0	0	5	3	2
4	Nikita Tryamkin	Toronto (TOR)	D	67	9	39	48	16	84	0	123	72	117	32	79	7.69%	118	1566	23.38	6	10	16	71	246	0	1	1	1	208	2	1	0.00%	0	0	0	0.61	0	0	0	1	1	4
5	Mikhail Grigorenko	Toronto	C/LW	72	23	24	47	-9	28	0	37	84	211	50	140	10.90%	11	1111	15.43	5	5	10	26	129	0	1	1	2	38	6	2	53.62%	843	0	0	0.85	0	0	0	3	2	4
6	Mark Pysyk	Toronto (TOR)	D	82	13	34	47	-14	22	0	29	81	161	65	108	8.07%	115	1671	20.38	6	11	17	70	232	0	1	1	1	218	2	0	0.00%	0	0	0	0.56	0	0	0	0	0	3
7	David Desharnais	Toronto (TOR)	C/LW	63	15	31	46	8	2	0	18	148	164	57	124	9.15%	9	1479	23.48	3	12	15	36	225	1	2	3	6	243	3	1	54.55%	1397	1	0	0.62	0	0	0	0	4	2
8	Kyle Okposo	Toronto (TOR)	RW	82	20	20	40	-21	50	0	104	73	230	54	178	8.70%	3	1482	18.08	6	8	14	46	272	0	0	0	1	11	0	0	47.06%	136	0	0	0.54	0	0	0	0	1	2
9	Joe Colborne	Toronto (TOR)	C/LW/RW	63	13	22	35	-1	50	10	96	89	174	39	118	7.47%	10	1295	20.57	1	11	12	40	229	2	1	3	7	137	1	0	60.23%	870	0	0	0.54	1	0	1	1	3	2
10	Mike Richards	Toronto	C/LW	28	15	20	35	14	29	5	88	68	90	20	54	16.67%	9	652	23.32	3	6	9	27	97	0	0	0	0	96	2	0	55.44%	965	0	1	1.07	0	1	0	2	3	2
11	Brent Seabrook	Toronto (TOR)	D	80	10	21	31	-7	44	0	59	77	100	44	69	10.00%	146	1803	22.54	5	5	10	60	280	0	1	1	0	254	1	1	0.00%	0	1	0	0.34	0	0	0	1	3	1
12	Rocco Grimaldi	Toronto (TOR)	LW/RW	82	15	15	30	-21	32	0	93	71	189	39	146	7.94%	5	1032	12.59	1	1	2	7	61	0	0	0	0	19	0	0	40.91%	88	0	0	0.58	0	0	0	4	1	1
13	Juuso Riikola	Toronto (TOR)	D	68	7	20	27	2	20	0	43	40	38	16	32	18.42%	56	931	13.70	0	0	0	0	4	0	1	1	1	76	1	0	0.00%	0	0	0	0.58	0	0	0	1	0	2
14	Nick Bonino	Toronto (TOR)	C/LW	82	7	17	24	-2	11	5	32	100	81	32	81	8.64%	4	898	10.96	0	0	0	1	12	0	1	1	1	33	0	1	55.53%	958	0	0	0.53	0	0	1	1	1	1
15	Mark Borowiecki	Toronto (TOR)	D	82	8	14	22	-21	167	35	175	39	82	20	47	9.76%	120	1283	15.65	4	2	6	28	109	0	1	1	1	86	0	0	0.00%	0	0	0	0.34	0	2	5	0	0	0
16	Nikolai Zherdev	Toronto (TOR)	LW/RW	82	9	12	21	0	36	0	83	28	98	39	65	9.18%	6	987	12.04	0	0	0	0	6	0	0	0	1	51	3	2	53.21%	109	0	0	0.43	0	0	0	1	1	1
17	Linus Omark	Toronto (TOR)	LW/RW	79	11	10	21	-6	10	0	25	38	91	27	78	12.09%	3	679	8.60	2	1	3	4	25	0	0	0	0	21	4	1	36.76%	68	0	0	0.62	0	0	0	0	1	3
18	Oscar Moller	Toronto (TOR)	LW/RW	22	8	12	20	-2	4	0	22	40	77	21	57	10.39%	3	439	19.98	1	5	6	13	74	1	0	1	2	31	2	1	48.48%	99	0	0	0.91	0	0	0	2	1	2
19	Jim O'Brien	Toronto (TOR)	C/RW	81	5	2	7	5	6	0	20	32	31	15	32	16.13%	2	377	4.66	0	0	0	0	0	0	0	0	0	6	0	0	50.75%	266	0	0	0.37	0	0	0	1	0	1
20	Casey Nelson	Toronto (TOR)	D	22	1	5	6	-7	2	0	10	17	13	4	11	7.69%	22	327	14.87	0	0	0	1	3	1	0	1	1	8	0	0	0.00%	0	0	0	0.37	0	0	0	0	1	0
21	John Moore	Toronto	D	6	0	4	4	-2	0	0	1	4	2	1	8	0.00%	8	97	16.30	0	1	1	1	4	0	0	0	0	1	0	0	0.00%	0	0	0	0.82	0	0	0	0	0	0
Statistiques d’équipe totales ou en moyenne				1383	255	451	706	-72	755	65	1370	1442	2560	753	1906	9.96%	791	23326	16.87	64	118	182	613	2866	7	13	20	35	2155	37	11	54.04%	7250	3	1	0.61	1	3	9	29	34	35

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 %	ST	BG	S1	S2	S3
1	Michal Neuvirth	Toronto (TOR)	35	17	14	3	0.905	3.21	2016	0	2	108	1141	0	1	0.00%	35	8	5	2	2
2	David Rittich	Toronto (TOR)	27	10	14	1	0.908	3.16	1536	2	0	81	885	1	0	0.00%	24	51	3	0	1
3	Jake Oettinger	Toronto	5	3	2	0	0.925	2.40	300	2	1	12	159	0	0	0.00%	5	4	2	0	1
Statistiques d’équipe totales ou en moyenne			67	30	30	4	0.908	3.13	3852	4	3	201	2185	1	1		64	63	10	2	4

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
Brent Seabrook	Toronto (TOR)	D	36	1985-04-20	No	234 Lbs	6 ft3	No	No	No	No	3	Pro & Farm	1,180,000$	0$	0$	No	1,180,000$	1,180,000$
Casey Nelson	Toronto (TOR)	D	28	1992-07-18	No	189 Lbs	6 ft1	No	No	No	No	3	Pro & Farm	500,000$	0$	0$	No	500,000$	500,000$	Lien
David Desharnais	Toronto (TOR)	C/LW	34	1986-09-14	No	177 Lbs	5 ft7	No	No	No	No	2	Pro & Farm	1,200,000$	0$	0$	No	1,200,000$		Lien
David Rittich	Toronto (TOR)	G	28	1992-08-08 05:28:46	No	208 Lbs	6 ft3	No	No	No	No	3	Pro & Farm	500,000$	0$	0$	No	500,000$	500,000$	Lien
Jim O'Brien	Toronto (TOR)	C/RW	32	1989-01-29	No	207 Lbs	6 ft2	No	No	No	No	2	Pro & Farm	951,000$	0$	0$	No	951,000$		Lien
Jimmy Vesey	Toronto (TOR)	LW/RW	28	1993-05-26	No	210 Lbs	6 ft3	No	No	No	No	1	Pro & Farm	675,000$	0$	0$	No			Lien
Joe Colborne	Toronto (TOR)	C/LW/RW	31	1990-01-30	No	218 Lbs	6 ft5	No	No	No	No	1	Pro & Farm	999,999$	0$	0$	No			Lien
Juuso Riikola	Toronto (TOR)	D	27	1993-11-09	No	192 Lbs	6 ft0	No	No	No	No	2	Pro & Farm	650,000$	0$	0$	No	650,000$		Lien
Kyle Okposo	Toronto (TOR)	RW	33	1988-04-16	No	223 Lbs	6 ft0	No	No	No	No	2	Pro & Farm	1,203,000$	0$	0$	No	1,203,000$		Lien
Linus Omark	Toronto (TOR)	LW/RW	34	1987-02-05	No	191 Lbs	5 ft10	No	No	No	No	2	Pro & Farm	650,000$	0$	0$	No	650,000$		Lien
Luca Sbisa	Toronto (TOR)	D	31	1990-01-01	No	218 Lbs	6 ft2	No	No	No	No	2	Pro & Farm	1,000,000$	0$	0$	No	1,000,000$		Lien
Mark Borowiecki	Toronto (TOR)	D	31	1989-07-12	No	209 Lbs	6 ft2	No	No	No	No	2	Pro & Farm	800,000$	0$	0$	No	800,000$		Lien
Mark Pysyk	Toronto (TOR)	D	29	1992-01-11	No	206 Lbs	6 ft1	No	No	No	No	3	Pro & Farm	1,000,500$	0$	0$	No	1,000,500$	1,000,500$	Lien
Michal Neuvirth	Toronto (TOR)	G	33	1988-01-21 14:34:09	No	230 Lbs	6 ft1	No	No	No	No	3	Pro & Farm	500,000$	0$	0$	No	500,000$	500,000$
Nick Bonino	Toronto (TOR)	C/LW	33	1988-04-20	No	200 Lbs	6 ft1	No	No	No	No	2	Pro & Farm	850,000$	0$	0$	No	850,000$		Lien
Nikita Tryamkin	Toronto (TOR)	D	26	1994-08-30	No	267 Lbs	6 ft7	No	No	No	No	2	Pro & Farm	900,000$	0$	0$	No	900,000$		Lien
Nikolai Zherdev	Toronto (TOR)	LW/RW	35	1985-11-05	No	211 Lbs	6 ft2	No	No	No	No	2	Pro & Farm	1,240,000$	0$	0$	No	1,240,000$
Oscar Moller	Toronto (TOR)	LW/RW	32	1989-01-22	No	195 Lbs	5 ft11	No	No	No	No	3	Pro & Farm	500,000$	0$	0$	No	500,000$	500,000$
Rocco Grimaldi	Toronto (TOR)	LW/RW	28	1993-02-08	No	183 Lbs	5 ft6	No	No	No	No	1	Pro & Farm	750,000$	0$	0$	No			Lien
Valtteri Filppula	Toronto (TOR)	C/LW/RW	37	1984-03-20	No	189 Lbs	6 ft0	No	No	No	No	2	Pro & Farm	1,350,000$	0$	0$	No	1,350,000$		Lien

Nombre de joueurs	Âge moyen	Poids moyen	Taille moyenne	Contrat moyen	Salaire moyen 1e année
20	31.30	208 Lbs	6 ft1	2.15	869,975$

Attaque à 5 contre 5
Ligne #	Ailier gauche	Centre	Ailier droit	% temps	PHY	DF	OF
1	Jimmy Vesey	David Desharnais	Valtteri Filppula	40	1	2	2
2	Oscar Moller	Nick Bonino	Kyle Okposo	30	1	2	2
3	Rocco Grimaldi	Linus Omark	Nikolai Zherdev	20	1	2	2
4	Linus Omark	David Desharnais	Jimmy Vesey	10	1	2	2

Défense à 5 contre 5
Ligne #	Défense	Défense	% temps	PHY	DF	OF
1	Brent Seabrook	Nikita Tryamkin	40	1	2	2
2	Luca Sbisa	Mark Pysyk	30	1	2	2
3	Casey Nelson	Mark Borowiecki	20	1	2	2
4	Brent Seabrook	Nikita Tryamkin	10	1	2	2

Attaque en avantage numérique
Ligne #	Ailier gauche	Centre	Ailier droit	% temps	PHY	DF	OF
1	Jimmy Vesey	David Desharnais	Valtteri Filppula	60	1	2	2
2	Oscar Moller	Nick Bonino	Kyle Okposo	40	1	2	2

Défense en avantage numérique
Ligne #	Défense	Défense	% temps	PHY	DF	OF
1	Brent Seabrook	Nikita Tryamkin	60	1	2	2
2	Luca Sbisa	Mark Pysyk	40	1	2	2

Attaque à 4 en désavantage numérique
Ligne #	Centre	Ailier	% temps	PHY	DF	OF
1	David Desharnais	Jimmy Vesey	60	1	2	2
2	Valtteri Filppula	Oscar Moller	40	1	2	2

Défense à 4 en désavantage numérique
Ligne #	Défense	Défense	% temps	PHY	DF	OF
1	Brent Seabrook	Nikita Tryamkin	60	1	2	2
2	Luca Sbisa	Mark Pysyk	40	1	2	2

3 joueurs en désavantage numérique
Ligne #	Ailier	% temps	PHY	DF	OF	Défense	Défense	% temps	PHY	DF	OF
1	David Desharnais	60	1	2	2	Brent Seabrook	Nikita Tryamkin	60	1	2	2
2	Jimmy Vesey	40	1	2	2	Luca Sbisa	Mark Pysyk	40	1	2	2

Attaque à 4 contre 4
Ligne #	Centre	Ailier	% temps	PHY	DF	OF
1	David Desharnais	Jimmy Vesey	60	1	2	2
2	Valtteri Filppula	Oscar Moller	40	1	2	2

Défense à 4 contre 4
Ligne #	Défense	Défense	% temps	PHY	DF	OF
1	Brent Seabrook	Nikita Tryamkin	60	1	2	2
2	Luca Sbisa	Mark Pysyk	40	1	2	2

Attaque dernière minute
Ailier gauche	Centre	Ailier droit	Défense	Défense
Jimmy Vesey	David Desharnais	Valtteri Filppula	Brent Seabrook	Nikita Tryamkin

Défense dernière minute
Ailier gauche	Centre	Ailier droit	Défense	Défense
Jimmy Vesey	David Desharnais	Valtteri Filppula	Brent Seabrook	Nikita Tryamkin

Attaquants supplémentaires
Normal	Avantage numérique	Désavantage numérique
Rocco Grimaldi, Nikolai Zherdev, Kyle Okposo	Rocco Grimaldi, Nikolai Zherdev	Kyle Okposo

Défenseurs supplémentaires
Normal	Avantage numérique	Désavantage numérique
Casey Nelson, Mark Borowiecki, Luca Sbisa	Casey Nelson	Mark Borowiecki, Luca Sbisa

Tirs de pénalité
David Desharnais, Jimmy Vesey, Valtteri Filppula, Oscar Moller, Kyle Okposo

Gardien
#1 : Michal Neuvirth, #2 : David Rittich

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	2	1	0	0	1	0	0	0	11	5	6	1	0	0	0	1	0	0	0	4	3	1	1	1	0	0	0	0	0	0	7	2	5	4	1.000	11	20	31	0	0	88	86	79	6	66	833	888	871	17	55	15	14	37	5	1	20.00%	5	1	80.00%	0	1646	3089	53.29%	1637	3115	52.55%	729	1321	55.19%	1952	1314	1922	627	1069	539
2	Bakersfield	2	0	2	0	0	0	0	0	4	8	-4	1	0	1	0	0	0	0	0	2	3	-1	1	0	1	0	0	0	0	0	2	5	-3	0	0.000	4	7	11	0	0	88	86	79	6	40	833	888	871	17	67	18	24	35	8	2	25.00%	12	2	83.33%	0	1646	3089	53.29%	1637	3115	52.55%	729	1321	55.19%	1952	1314	1922	627	1069	539
3	Charlotte	4	1	2	0	0	1	0	0	10	14	-4	2	1	0	0	0	1	0	0	7	5	2	2	0	2	0	0	0	0	0	3	9	-6	3	0.375	10	17	27	0	1	88	86	79	6	122	833	888	871	17	156	53	39	63	14	4	28.57%	17	1	94.12%	0	1646	3089	53.29%	1637	3115	52.55%	729	1321	55.19%	1952	1314	1922	627	1069	539
4	Cleveland	6	2	4	0	0	0	0	0	17	20	-3	3	2	1	0	0	0	0	0	10	8	2	3	0	3	0	0	0	0	0	7	12	-5	4	0.333	17	34	51	0	0	88	86	79	6	177	833	888	871	17	190	63	42	76	24	8	33.33%	21	2	90.48%	1	1646	3089	53.29%	1637	3115	52.55%	729	1321	55.19%	1952	1314	1922	627	1069	539
5	Grand Rapids	10	3	5	0	2	0	0	0	34	32	2	5	2	2	0	1	0	0	0	19	16	3	5	1	3	0	1	0	0	0	15	16	-1	10	0.500	34	58	92	0	0	88	86	79	6	303	833	888	871	17	314	115	115	172	50	9	18.00%	49	7	85.71%	2	1646	3089	53.29%	1637	3115	52.55%	729	1321	55.19%	1952	1314	1922	627	1069	539
6	Hartford	4	4	0	0	0	0	0	0	15	11	4	2	2	0	0	0	0	0	0	8	6	2	2	2	0	0	0	0	0	0	7	5	2	8	1.000	15	28	43	0	0	88	86	79	6	127	833	888	871	17	133	32	30	70	14	1	7.14%	15	2	86.67%	0	1646	3089	53.29%	1637	3115	52.55%	729	1321	55.19%	1952	1314	1922	627	1069	539
7	Hershey	4	2	1	0	1	0	0	0	13	11	2	2	2	0	0	0	0	0	0	7	2	5	2	0	1	0	1	0	0	0	6	9	-3	6	0.750	13	24	37	0	0	88	86	79	6	136	833	888	871	17	132	37	41	65	20	4	20.00%	12	0	100.00%	0	1646	3089	53.29%	1637	3115	52.55%	729	1321	55.19%	1952	1314	1922	627	1069	539
8	Iowa	2	2	0	0	0	0	0	0	13	4	9	1	1	0	0	0	0	0	0	6	2	4	1	1	0	0	0	0	0	0	7	2	5	4	1.000	13	24	37	0	0	88	86	79	6	100	833	888	871	17	46	9	8	28	16	5	31.25%	2	0	100.00%	0	1646	3089	53.29%	1637	3115	52.55%	729	1321	55.19%	1952	1314	1922	627	1069	539
9	Laval	6	5	1	0	0	0	0	0	22	15	7	3	2	1	0	0	0	0	0	8	7	1	3	3	0	0	0	0	0	0	14	8	6	10	0.833	22	40	62	0	1	88	86	79	6	213	833	888	871	17	183	52	66	114	26	5	19.23%	21	3	85.71%	1	1646	3089	53.29%	1637	3115	52.55%	729	1321	55.19%	1952	1314	1922	627	1069	539
10	Lehigh Valley	4	2	1	0	0	1	0	0	16	14	2	2	2	0	0	0	0	0	0	11	6	5	2	0	1	0	0	1	0	0	5	8	-3	5	0.625	16	28	44	0	0	88	86	79	6	155	833	888	871	17	148	38	35	69	25	5	20.00%	15	3	80.00%	1	1646	3089	53.29%	1637	3115	52.55%	729	1321	55.19%	1952	1314	1922	627	1069	539
11	Manitoba	2	1	1	0	0	0	0	0	11	10	1	1	0	1	0	0	0	0	0	3	4	-1	1	1	0	0	0	0	0	0	8	6	2	2	0.500	11	21	32	0	0	88	86	79	6	82	833	888	871	17	71	14	13	28	10	3	30.00%	4	3	25.00%	0	1646	3089	53.29%	1637	3115	52.55%	729	1321	55.19%	1952	1314	1922	627	1069	539
12	Milwaukee	2	1	1	0	0	0	0	0	7	5	2	1	1	0	0	0	0	0	0	6	2	4	1	0	1	0	0	0	0	0	1	3	-2	2	0.500	7	11	18	0	0	88	86	79	6	54	833	888	871	17	60	15	10	47	11	1	9.09%	3	2	33.33%	0	1646	3089	53.29%	1637	3115	52.55%	729	1321	55.19%	1952	1314	1922	627	1069	539
13	Ontario	2	1	1	0	0	0	0	0	7	7	0	1	1	0	0	0	0	0	0	5	3	2	1	0	1	0	0	0	0	0	2	4	-2	2	0.500	7	12	19	0	0	88	86	79	6	64	833	888	871	17	64	21	13	33	7	0	0.00%	4	2	50.00%	0	1646	3089	53.29%	1637	3115	52.55%	729	1321	55.19%	1952	1314	1922	627	1069	539
14	Providence	6	0	5	0	1	0	0	0	13	22	-9	3	0	3	0	0	0	0	0	5	9	-4	3	0	2	0	1	0	0	0	8	13	-5	2	0.167	13	25	38	0	0	88	86	79	6	185	833	888	871	17	216	52	42	104	24	3	12.50%	21	4	80.95%	1	1646	3089	53.29%	1637	3115	52.55%	729	1321	55.19%	1952	1314	1922	627	1069	539
15	Rochester	6	2	3	0	0	1	0	0	18	20	-2	3	2	1	0	0	0	0	0	10	5	5	3	0	2	0	0	1	0	0	8	15	-7	5	0.417	18	33	51	1	1	88	86	79	6	205	833	888	871	17	188	54	46	92	28	6	21.43%	22	3	86.36%	1	1646	3089	53.29%	1637	3115	52.55%	729	1321	55.19%	1952	1314	1922	627	1069	539
16	Rockford	2	0	2	0	0	0	0	0	3	7	-4	1	0	1	0	0	0	0	0	1	3	-2	1	0	1	0	0	0	0	0	2	4	-2	0	0.000	3	5	8	0	0	88	86	79	6	42	833	888	871	17	76	29	24	40	4	0	0.00%	12	3	75.00%	0	1646	3089	53.29%	1637	3115	52.55%	729	1321	55.19%	1952	1314	1922	627	1069	539
17	San Diego	2	1	0	0	0	1	0	0	8	6	2	1	0	0	0	0	1	0	0	4	5	-1	1	1	0	0	0	0	0	0	4	1	3	3	0.750	8	15	23	0	0	88	86	79	6	73	833	888	871	17	70	19	16	40	7	1	14.29%	8	2	75.00%	0	1646	3089	53.29%	1637	3115	52.55%	729	1321	55.19%	1952	1314	1922	627	1069	539
18	San Jose	2	0	2	0	0	0	0	0	3	11	-8	1	0	1	0	0	0	0	0	0	6	-6	1	0	1	0	0	0	0	0	3	5	-2	0	0.000	3	4	7	0	0	88	86	79	6	57	833	888	871	17	104	25	32	33	4	1	25.00%	15	5	66.67%	0	1646	3089	53.29%	1637	3115	52.55%	729	1321	55.19%	1952	1314	1922	627	1069	539
19	Springfield	2	0	2	0	0	0	0	0	2	9	-7	1	0	1	0	0	0	0	0	1	3	-2	1	0	1	0	0	0	0	0	1	6	-5	0	0.000	2	3	5	0	0	88	86	79	6	61	833	888	871	17	70	21	18	34	5	0	0.00%	7	0	100.00%	0	1646	3089	53.29%	1637	3115	52.55%	729	1321	55.19%	1952	1314	1922	627	1069	539
20	Texas	2	0	1	0	0	1	0	0	3	6	-3	1	0	0	0	0	1	0	0	1	2	-1	1	0	1	0	0	0	0	0	2	4	-2	1	0.250	3	6	9	0	0	88	86	79	6	55	833	888	871	17	66	14	26	31	6	1	16.67%	13	3	76.92%	0	1646	3089	53.29%	1637	3115	52.55%	729	1321	55.19%	1952	1314	1922	627	1069	539
21	Tucson	2	1	0	0	0	1	0	0	4	3	1	1	0	0	0	0	1	0	0	1	2	-1	1	1	0	0	0	0	0	0	3	1	2	3	0.750	4	7	11	0	0	88	86	79	6	47	833	888	871	17	73	26	37	32	6	0	0.00%	16	1	93.75%	0	1646	3089	53.29%	1637	3115	52.55%	729	1321	55.19%	1952	1314	1922	627	1069	539
22	Utica	4	1	3	0	0	0	0	0	11	13	-2	2	0	2	0	0	0	0	0	4	7	-3	2	1	1	0	0	0	0	0	7	6	1	2	0.250	11	21	32	1	0	88	86	79	6	94	833	888	871	17	152	44	38	80	11	2	18.18%	18	3	83.33%	0	1646	3089	53.29%	1637	3115	52.55%	729	1321	55.19%	1952	1314	1922	627	1069	539
23	Wilkes-Barre/Scranton	4	2	0	0	1	1	0	0	14	9	5	2	1	0	0	0	1	0	0	7	6	1	2	1	0	0	1	0	0	0	7	3	4	7	0.875	14	24	38	0	1	88	86	79	6	151	833	888	871	17	121	50	32	69	18	3	16.67%	15	3	80.00%	0	1646	3089	53.29%	1637	3115	52.55%	729	1321	55.19%	1952	1314	1922	627	1069	539
	Total	82	32	37	0	6	7	0	0	259	262	-3	41	19	15	0	2	5	0	0	130	115	15	41	13	22	0	4	2	0	0	129	147	-18	83	0.506	259	467	726	2	4	88	86	79	6	2609	833	888	871	17	2755	816	761	1392	343	65	18.95%	327	55	83.18%	7	1646	3089	53.29%	1637	3115	52.55%	729	1321	55.19%	1952	1314	1922	627	1069	539
	_Since Last GM Reset	82	32	37	0	6	7	0	0	259	262	-3	41	19	15	0	2	5	0	0	130	115	15	41	13	22	0	4	2	0	0	129	147	-18	83	0.506	259	467	726	2	4	88	86	79	6	2609	833	888	871	17	2755	816	761	1392	343	65	18.95%	327	55	83.18%	7	1646	3089	53.29%	1637	3115	52.55%	729	1321	55.19%	1952	1314	1922	627	1069	539
	_Vs Conference	58	24	25	0	5	4	0	0	183	181	2	29	16	10	0	1	2	0	0	96	77	19	29	8	15	0	4	2	0	0	87	104	-17	62	0.534	183	332	515	2	4	88	86	79	6	1868	833	888	871	17	1933	590	526	974	254	50	19.69%	226	31	86.28%	7	1646	3089	53.29%	1637	3115	52.55%	729	1321	55.19%	1952	1314	1922	627	1069	539
	_Vs Division	32	12	18	0	3	1	0	0	97	103	-6	16	8	8	0	1	0	0	0	49	42	7	16	4	10	0	2	1	0	0	48	61	-13	31	0.484	97	173	270	1	3	88	86	79	6	1028	833	888	871	17	1057	326	308	545	142	27	19.01%	130	18	86.15%	5	1646	3089	53.29%	1637	3115	52.55%	729	1321	55.19%	1952	1314	1922	627	1069	539

			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	83	W1	259	467	726	2609	2755	816	761	1392	2	4

Tous les matchs
GP	W	L	OTW	OTL	SOW	SOL	GF	GA
82	32	37	6	7	0	0	259	262

Matchs locaux
GP	W	L	OTW	OTL	SOW	SOL	GF	GA
41	19	15	2	5	0	0	130	115

Matchs extérieurs
GP	W	L	OTW	OTL	SOW	SOL	GF	GA
41	13	22	4	2	0	0	129	147

Derniers 10 matchs
W	L	OTW	OTL	SOW	SOL
2	7	0	1	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
343	65	18.95%	327	55	83.18%	7

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
833	888	871	17	88	86	79	6

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
1646	3089	53.29%	1637	3115	52.55%	729	1321	55.19%

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
1952	1314	1922	627	1069	539

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	Lien
1 - 2022-11-25	6	Grand Rapids	3	Toronto	2	BL		Sommaire du match
4 - 2022-11-26	16	Toronto	4	Grand Rapids	3	AW	X	Sommaire du match
6 - 2022-11-27	28	Grand Rapids	4	Toronto	6	BW		Sommaire du match
8 - 2022-11-28	37	Toronto	2	Grand Rapids	3	AL		Sommaire du match
10 - 2022-11-29	53	Toronto	0	Providence	3	AL		Sommaire du match
13 - 2022-12-01	66	Rochester	0	Toronto	4	BW		Sommaire du match
16 - 2022-12-02	82	Grand Rapids	3	Toronto	4	BW	X	Sommaire du match
19 - 2022-12-04	98	Toronto	5	Grand Rapids	2	AW		Sommaire du match
21 - 2022-12-05	107	Toronto	2	Rochester	3	AL	X	Sommaire du match
22 - 2022-12-05	115	Cleveland	3	Toronto	4	BW		Sommaire du match
24 - 2022-12-06	127	Toronto	7	Laval	4	AW		Sommaire du match
26 - 2022-12-07	140	Laval	2	Toronto	3	BW		Sommaire du match
29 - 2022-12-09	155	Providence	2	Toronto	1	BL		Sommaire du match
32 - 2022-12-10	167	Toronto	4	Cleveland	6	AL		Sommaire du match
33 - 2022-12-11	176	Toronto	2	Hershey	6	AL		Sommaire du match
35 - 2022-12-12	184	Wilkes-Barre/Scranton	3	Toronto	5	BW		Sommaire du match
38 - 2022-12-13	200	San Diego	5	Toronto	4	BL	X	Sommaire du match
40 - 2022-12-14	215	Toronto	3	San Jose	5	AL		Sommaire du match
42 - 2022-12-15	222	Toronto	7	Abbotsford	2	AW		Sommaire du match
44 - 2022-12-16	231	Lehigh Valley	3	Toronto	5	BW		Sommaire du match
47 - 2022-12-18	250	Rockford	3	Toronto	1	BL		Sommaire du match
49 - 2022-12-19	260	Toronto	1	Charlotte	3	AL		Sommaire du match
50 - 2022-12-19	270	Toronto	3	Utica	4	AL		Sommaire du match
53 - 2022-12-21	280	Wilkes-Barre/Scranton	3	Toronto	2	BL	X	Sommaire du match
55 - 2022-12-22	295	Toronto	2	Rochester	6	AL		Sommaire du match
56 - 2022-12-22	303	Tucson	2	Toronto	1	BL	X	Sommaire du match
58 - 2022-12-23	318	Toronto	4	Rochester	6	AL		Sommaire du match
61 - 2022-12-25	327	Grand Rapids	2	Toronto	5	BW		Sommaire du match
63 - 2022-12-26	341	Toronto	4	Hershey	3	AW	X	Sommaire du match
64 - 2022-12-26	348	Toronto	4	San Diego	1	AW		Sommaire du match
66 - 2022-12-27	355	Abbotsford	3	Toronto	4	BW	X	Sommaire du match
69 - 2022-12-29	372	Hartford	2	Toronto	3	BW		Sommaire du match
74 - 2022-12-31	394	Springfield	3	Toronto	1	BL		Sommaire du match
76 - 2023-01-01	405	Toronto	1	Cleveland	3	AL		Sommaire du match
79 - 2023-01-03	418	San Jose	6	Toronto	0	BL		Sommaire du match
81 - 2023-01-04	431	Toronto	3	Hartford	2	AW		Sommaire du match
82 - 2023-01-04	440	Toronto	3	Wilkes-Barre/Scranton	0	AW		Sommaire du match
84 - 2023-01-05	446	Hartford	4	Toronto	5	BW		Sommaire du match
87 - 2023-01-07	462	Toronto	4	Laval	2	AW		Sommaire du match
89 - 2023-01-08	471	Lehigh Valley	3	Toronto	6	BW		Sommaire du match
93 - 2023-01-10	491	Cleveland	1	Toronto	3	BW		Sommaire du match
95 - 2023-01-11	501	Toronto	1	Springfield	6	AL		Sommaire du match
97 - 2023-01-12	515	Bakersfield	3	Toronto	2	BL		Sommaire du match
99 - 2023-01-13	525	Toronto	2	Charlotte	6	AL		Sommaire du match
100 - 2023-01-13	534	Toronto	3	Laval	2	AW		Sommaire du match
102 - 2023-01-14	542	Charlotte	0	Toronto	3	BW		Sommaire du match
106 - 2023-01-16	563	Toronto	4	Utica	2	AW		Sommaire du match
107 - 2023-01-17	567	Charlotte	5	Toronto	4	BL	X	Sommaire du match
110 - 2023-01-18	577	Toronto	3	Tucson	1	AW		Sommaire du match
112 - 2023-01-19	589	Hershey	1	Toronto	5	BW		Sommaire du match
114 - 2023-01-20	599	Toronto	1	Milwaukee	3	AL		Sommaire du match
117 - 2023-01-22	612	Ontario	3	Toronto	5	BW		Sommaire du match
122 - 2023-01-24	632	Grand Rapids	4	Toronto	2	BL		Sommaire du match
124 - 2023-01-25	644	Toronto	8	Manitoba	6	AW		Sommaire du match
126 - 2023-01-26	656	Rochester	3	Toronto	5	BW		Sommaire du match
128 - 2023-01-27	668	Toronto	2	Bakersfield	5	AL		Sommaire du match
130 - 2023-01-28	679	Toronto	4	Wilkes-Barre/Scranton	3	AW	X	Sommaire du match
132 - 2023-01-29	684	Toronto	2	Lehigh Valley	4	AL		Sommaire du match
133 - 2023-01-30	691	Manitoba	4	Toronto	3	BL		Sommaire du match
137 - 2023-02-01	711	Utica	3	Toronto	1	BL		Sommaire du match
139 - 2023-02-02	721	Toronto	4	Hartford	3	AW		Sommaire du match
141 - 2023-02-03	734	Laval	5	Toronto	3	BL		Sommaire du match
145 - 2023-02-05	750	Toronto	3	Lehigh Valley	4	AL	X	Sommaire du match
146 - 2023-02-05	759	Hershey	1	Toronto	2	BW		Sommaire du match
Date limite d’échanges --- Les échanges ne peuvent plus se faire après la simulation de cette journée!
148 - 2023-02-06	773	Toronto	3	Providence	6	AL		Sommaire du match
150 - 2023-02-07	782	Milwaukee	2	Toronto	6	BW		Sommaire du match
155 - 2023-02-10	802	Toronto	2	Ontario	4	AL		Sommaire du match
156 - 2023-02-10	809	Utica	4	Toronto	3	BL		Sommaire du match
158 - 2023-02-11	818	Toronto	7	Iowa	2	AW		Sommaire du match
160 - 2023-02-12	829	Toronto	2	Texas	4	AL		Sommaire du match
162 - 2023-02-13	836	Laval	0	Toronto	2	BW		Sommaire du match
165 - 2023-02-15	853	Rochester	2	Toronto	1	BL		Sommaire du match
167 - 2023-02-16	869	Toronto	5	Providence	4	AW	X	Sommaire du match
169 - 2023-02-17	875	Cleveland	4	Toronto	3	BL		Sommaire du match
172 - 2023-02-18	886	Toronto	2	Rockford	4	AL		Sommaire du match
174 - 2023-02-19	897	Toronto	3	Grand Rapids	4	AL		Sommaire du match
176 - 2023-02-20	908	Providence	3	Toronto	1	BL		Sommaire du match
177 - 2023-02-21	911	Toronto	2	Cleveland	3	AL		Sommaire du match
183 - 2023-02-24	929	Providence	4	Toronto	3	BL		Sommaire du match
188 - 2023-02-26	953	Toronto	1	Grand Rapids	4	AL		Sommaire du match
190 - 2023-02-27	960	Texas	2	Toronto	1	BL	X	Sommaire du match
196 - 2023-03-02	982	Iowa	2	Toronto	6	BW		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	62,263	31,038
Assistance PCT	75.93%	75.70%

Revenu
Matchs à domicile restants	Assistance moyenne - %	Revenu moyen par match	Revenu annuel à ce jour	Capacité	Popularité de l’équipe
0	2276 - 75.85%	133,166$	5,459,793$	3000	100

Dépenses
Dépenses annuelles à ce jour	Salaire total des joueurs	Salaire total moyen des joueurs	Salaire des entraineurs
2,399,610$	1,739,950$	1,739,950$	0$

Plafond salarial par jour	Plafond salarial à ce jour	Joueurs Inclus dans le plafond salarial	Joueurs exclut du plafond Salarial
8,788$	1,849,582$	0	0

Estimation
Revenus de la saison estimés	Jours restants de la saison	Dépenses par jour	Dépenses de la saison estimées
0$	0	11,565$	0$

Toronto 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%	HT	P/20	PSG	PSS
1	Mark Arcobello	164	52	74	126	-14	16	110	188	468	11.11%	20	2939	17.93	10	26	36	120	0	2	2	0	2	2	53.33	0	0.86	2	2
2	Jake Evans	116	34	84	118	-18	72	246	338	474	7.17%	24	2530	21.82	10	28	38	130	0	6	6	6	4	2	53.14	0	0.93	0	6
3	Michael Chaput	164	48	68	116	-14	40	84	280	434	11.06%	20	2742	16.72	8	18	26	74	0	0	0	18	8	2	54.73	2	0.85	2	4
4	MacKenzie Entwistle	164	44	68	112	-36	116	334	212	502	8.76%	28	2823	17.22	16	14	30	144	0	0	0	0	8	0	44.44	0	0.79	0	2
5	Melker Karlsson	142	42	58	100	-22	24	166	190	566	7.42%	24	2949	20.77	12	20	32	146	2	0	2	12	4	2	50.24	0	0.68	4	10

Toronto 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	Samuel Montembeault	92	32	48	8	0.898	3.55	5347	16	2	316	3092	0	2	6	0.500	24
2	Pavel Francouz	70	30	32	4	0.897	3.54	3938	16	2	232	2260	0	0	4	0.667	18

Toronto 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	25	45	0	3	2	3	4	249	317	-68	41	13	26	0	0	0	1	1	117	161	-44	41	12	19	0	3	2	2	3	132	156	-24	68	249	441	690	5	2	72	100	71	9	2764	923	941	863	58	2881	838	821	1499	352	61	17.33%	330	67	79.70%	5	1641	3107	52.82%	1539	3223	47.75%	690	1375	50.18%	1889	1273	2007	642	1070	523
20	82	25	45	0	3	2	3	4	249	317	-68	41	13	26	0	0	0	1	1	117	161	-44	41	12	19	0	3	2	2	3	132	156	-24	68	249	441	690	5	2	72	100	71	9	2764	923	941	863	58	2881	838	821	1499	352	61	17.33%	330	67	79.70%	5	1641	3107	52.82%	1539	3223	47.75%	690	1375	50.18%	1889	1273	2007	642	1070	523
Total Saison régulière	164	64	74	0	12	14	0	0	518	524	-6	82	38	30	0	4	10	0	0	260	230	30	82	26	44	0	8	4	0	0	258	294	-36	166	518	934	1452	4	8	176	172	158	12	5218	1666	1776	1742	34	5510	1632	1522	2784	686	130	18.95%	654	110	83.18%	14	3292	6178	53.29%	3274	6230	52.55%	1458	2642	55.19%	3905	2628	3844	1254	2139	1079
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

Toronto 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

Toronto 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

	Toronto
	GP: 82 \| W: 38 \| L: 37 \| OTL: 7 \| P: 83 GF: 259 \| GA: 262 \| PP%: 18.95% \| PK%: 83.18% DG: Richard Gadbois \| Morale : 50 \| Moyenne d’équipe : N/A