Rangers
Domicile
Formation
Points
Informations joueurs
Lignes
Statistiques d’équipe
Calendrier
Finance
Client Web pour les lignes

Centre de jeu
	Sound Tigers 46-29-7, 99pts	1	FINAL	4	Wolf Pack 44-31-7, 95pts

Team Stats
L1	Séquence	W2
25-12-4	Fiche domicile	23-15-3
21-17-3	Fiche domicile	21-16-4
6-4-0	Derniers 10 matchs	6-3-1
2.33	Buts par match	2.65
2.04	Buts contre par match	2.20
16.87%	Pourcentage en avantage numérique	15.36%
85.26%	Pourcentage en désavantage numérique	86.27%

Senators
46-32-4, 96pts

FINAL

Wolf Pack
44-31-7, 95pts

Team Stats
W1	Séquence	W2
21-16-4	Fiche domicile	23-15-3
25-16-0	Fiche domicile	21-16-4
7-3-0	Derniers 10 matchs	6-3-1
2.30	Buts par match	2.65
2.12	Buts contre par match	2.20
18.67%	Pourcentage en avantage numérique	15.36%
87.46%	Pourcentage en désavantage numérique	86.27%

Meneurs d'équipe
	Buts Dylan Holloway 35	Passes Cedric Paquette 34

	Points Dylan Holloway 61	Plus/Moins Jacob Perreault 16

	Victoires Braden Holtby 44	Pourcentage d’arrêts Braden Holtby 0.89

Statistiques d’équipe
Buts pour 217 2.65 GFG	Tirs pour 1914 23.34 Avg	Pourcentage en avantage numérique 15.4% 41 GF	Début de zone offensive 41.5%
Buts contre 180 2.20 GAA	Tirs contre 1592 19.41 Avg	Pourcentage en désavantage numérique 86.3%% 32 GA	Début de la zone défensive 37.3%

Informations de l'équipe
	Directeur général	Jonathan Laroche
	Division	Nord-Est
	Conférence	Est
	Capitaine
	Assistant #1
	Assistant #2
Informations de l’aréna
	Capacité	3,000
	Assistance	2,233
	Billets de saison	300
Informations de la formation
	Équipe Pro	25
	Équipe Mineure	20
	Limite contact	45 / 50
	Espoirs	23

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	Nils Hoglander		X	X		100.00	68	43	80	77	77	83	72	72	40	67	65	65	71	59	52	0	50	68	0	21	1	891,667$
2	Cedric Paquette	X	X			100.00	84	70	70	80	74	49	63	57	51	53	51	79	51	71	76	0	50	65	0	29	1	1,200,000$
3	Vinni Lettieri	X		X		100.00	61	43	71	71	65	71	69	67	59	64	63	63	67	62	54	0	50	64	0	27	1	1,420,370$
4	Dylan Holloway (R)	X	X			100.00	73	55	68	71	79	72	65	67	47	64	60	62	66	52	50	0	50	64	0	21	3	925,000$
5	Frederik Gauthier	X		X		100.00	80	47	97	69	88	54	60	50	74	46	51	76	24	64	64	0	50	62	0	27	2	1,200,000$
6	Marco Rossi (R)	X				100.00	61	46	63	72	61	61	59	65	61	65	59	63	65	50	50	0	50	62	0	21	3	863,333$
7	Valtteri Puustinen		X			100.00	54	44	73	70	60	66	66	66	44	64	62	53	66	52	50	0	50	61	0	23	3	842,500$
8	Vasili Ponomarev (R)	X				100.00	57	45	64	70	62	59	58	62	59	59	59	54	64	50	50	0	50	59	0	20	3	813,333$
9	Tyce Thompson (R)			X		100.00	56	51	64	67	61	62	61	61	41	59	53	53	60	51	50	0	50	58	0	23	2	915,000$
10	Jacob Perreault (R)			X		100.00	58	47	64	64	64	60	59	61	41	58	55	51	60	50	50	0	50	57	0	20	1	925,000$
11	Cale Fleury				X	100.00	67	47	71	71	79	78	67	66	40	62	59	67	65	61	54	0	50	66	0	23	1	780,000$
12	Ty Emberson (R)				X	100.00	62	47	70	68	65	63	63	63	40	59	55	64	62	51	50	0	50	61	0	22	2	853,333$
13	Kai Wissmann (R)				X	100.00	63	40	69	63	66	62	62	59	40	56	54	66	59	53	50	0	50	61	0	25	3	825,000$
14	William Villeneuve (R)				X	100.00	62	40	66	69	61	60	60	61	40	62	56	66	62	50	50	0	50	61	0	20	3	817,778$
15	Bode Wilde				X	100.00	76	80	96	58	73	50	46	49	27	35	45	67	43	44	44	0	50	57	0	22	1	778,333$
Rayé
1	Artem Anisimov	X				100.00	56	40	71	62	62	69	69	62	53	61	60	57	62	70	61	0	50	61	0	34	4	1,750,000$
2	Georgii Merkulov (R)		X			100.00	60	44	66	70	62	61	60	62	43	61	59	59	64	50	50	0	50	60	0	21	3	925,000$
3	Pavel Dorofeyev (R)	X				100.00	58	44	66	70	59	61	59	62	56	57	57	56	63	50	50	0	50	59	0	21	1	925,000$
4	Bokondji Imama		X			100.00	63	68	52	59	70	66	65	59	41	54	52	57	56	54	50	0	50	57	0	26	2	800,000$
5	Ville Koivunen (R)			X		100.00	56	40	68	66	57	54	53	56	47	53	54	54	59	50	50	0	50	55	0	19	3	828,333$

	MOYENNE D’ÉQUIPE					100.00	64	49	70	68	67	63	62	61	47	58	56	62	59	55	53	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 moyen
1	Braden Holtby	100.00	71	72	71	74	71	71	69	71	71	71	69	87	77	0	50	66	0	33	2	4,875,000$
2	Jet Greaves (R)	100.00	71	61	63	61	66	69	72	69	70	67	61	50	50	0	50	62	0	21	1	600,000$
3	Evan Cormier (R)	100.00	66	57	54	67	62	62	63	61	63	61	52	53	50	0	50	57	0	24	1	600,000$
Rayé
1	Joel Blomqvist (R)	100.00	59	57	57	64	58	55	54	53	54	58	53	50	50	0	50	53	0	20	3	825,000$
2	David Hrenak (R)	100.00	42	39	48	75	43	42	44	46	42	42	42	44	40	0	50	44	0	24	2	820,000$

	MOYENNE D’ÉQUIPE	100.00	62	57	59	68	60	60	60	60	60	60	55	57	53	0	50	56

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	PKA	PKP	PKS	PKM	GW	GT	FO%	FOT	HT	P/20	PSG	PSS	FW	FL	FT	S1	S2	S3
1	Dylan Holloway	Wolf Pack (Ran)	C/LW	81	35	26	61	13	91	5	168	225	245	68	182	14.29%	17	1544	19.07	2	2	4	14	111	0	0	1	60	8	5	53.23%	1238	2	0.79	0	2	1	0	0	11	5	5
2	Vinnie Hinostroza	Rangers	LW/RW	72	25	34	59	8	4	0	22	130	206	57	137	12.14%	14	1511	20.99	7	7	14	29	148	0	0	7	212	4	0	57.78%	90	0	0.78	2	9	0	0	0	4	4	9
3	Cedric Paquette	Wolf Pack (Ran)	C/LW	81	24	34	58	10	89	15	235	254	179	48	151	13.41%	36	1627	20.09	6	8	14	20	152	0	0	3	156	6	0	53.15%	1791	0	0.71	0	5	0	1	2	5	4	4
4	Jacob Perreault	Wolf Pack (Ran)	RW	81	16	29	45	16	24	0	68	124	166	46	121	9.64%	6	1349	16.66	0	0	0	0	1	0	0	0	0	3	0	54.29%	70	0	0.67	0	0	0	0	0	2	4	5
5	Vasili Ponomarev	Wolf Pack (Ran)	C	81	18	22	40	10	24	0	78	178	189	48	98	9.52%	16	1179	14.56	0	0	0	2	8	0	0	0	10	3	1	55.20%	1067	0	0.68	0	1	0	0	0	4	2	5
6	Vinni Lettieri	Wolf Pack (Ran)	C/RW	81	14	22	36	-2	9	5	38	78	121	29	95	11.57%	16	762	9.42	10	18	28	82	342	1	1	1	205	3	0	55.61%	624	0	0.94	1	4	0	1	0	2	5	3
7	Ty Emberson	Wolf Pack (Ran)	D	81	5	31	36	-7	30	0	98	77	43	12	28	11.63%	54	1368	16.90	2	10	12	15	89	0	0	1	74	1	0	0%	0	0	0.53	0	1	0	0	0	2	2	1
8	Nils Hoglander	Wolf Pack (Ran)	LW/RW	61	17	14	31	2	8	0	33	76	141	36	104	12.06%	7	950	15.59	1	1	2	3	14	0	0	0	22	4	1	44.44%	63	0	0.65	3	6	0	0	0	2	5	1
9	Tyce Thompson	Wolf Pack (Ran)	RW	81	15	16	31	10	22	0	80	114	134	41	104	11.19%	11	1270	15.68	0	0	0	0	2	0	0	0	0	3	0	43.24%	74	0	0.49	0	0	0	0	0	3	4	1
10	William Villeneuve	Wolf Pack (Ran)	D	81	6	21	27	9	56	0	141	67	33	11	31	18.18%	55	1056	13.04	2	0	2	5	20	0	0	0	53	1	1	0%	0	0	0.51	0	1	0	0	0	1	2	5
11	Kai Wissmann	Wolf Pack (Ran)	D	81	2	16	18	-7	56	0	119	59	42	9	31	4.76%	39	1373	16.96	2	4	6	13	89	0	0	0	78	1	0	0%	0	0	0.26	0	0	0	0	0	1	0	2
12	Cale Fleury	Wolf Pack (Ran)	D	38	5	10	15	4	28	0	97	44	48	10	36	10.42%	35	893	23.51	1	3	4	23	105	0	0	1	87	1	1	0%	0	0	0.34	0	0	0	0	0	0	3	1
13	MacKenzie Entwistle	Rangers	C/LW	15	5	5	10	2	10	0	26	32	35	15	27	14.29%	6	317	21.16	1	2	3	3	39	0	0	1	29	0	2	46.15%	13	1	0.63	1	2	0	0	0	2	0	0
14	Samuel Bolduc	Rangers	D	14	2	2	4	1	10	0	24	5	9	1	4	22.22%	7	313	22.40	0	0	0	2	33	0	0	0	36	0	1	0%	0	0	0.26	0	0	0	0	0	0	0	1
15	Georgii Merkulov	Wolf Pack (Ran)	LW	33	3	1	4	-1	6	0	22	13	27	3	26	11.11%	2	362	10.99	0	0	0	0	0	0	0	0	25	0	0	47.37%	19	0	0.22	0	0	0	0	0	0	1	0
16	Artem Anisimov	Wolf Pack (Ran)	C	32	1	2	3	-2	6	0	14	7	13	5	14	7.69%	0	268	8.40	0	0	0	0	9	0	0	0	11	0	0	50.00%	20	0	0.22	0	0	0	0	0	0	0	0
17	Marco Rossi	Wolf Pack (Ran)	C	81	2	1	3	0	2	0	7	20	22	8	17	9.09%	2	152	1.88	0	0	0	0	0	0	0	0	0	1	0	52.50%	120	0	0.39	0	1	0	0	0	0	1	0
18	Pavel Dorofeyev	Wolf Pack (Ran)	C	18	0	1	1	0	4	0	12	9	8	1	9	0%	0	152	8.46	0	0	0	0	0	0	0	1	17	0	0	54.40%	125	0	0.13	0	0	0	0	0	0	0	0
Statistiques d’équipe totales ou en moyenne				1093	195	287	482	66	479	25	1282	1512	1661	448	1215	11.74%	323	16454	15.05	34	55	89	211	1169	1	1	16	1082	39	12	53.69%	5314	3	0.59	7	32	1	2	2	39	42	43

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
1	Braden Holtby	Wolf Pack (Ran)	81	44	30	7	0.890	2.09	4727	2	7	165	1496	0	4	0	0.692	39	81	0	4	3	4
Statistiques d’équipe totales ou en moyenne			81	44	30	7	0.890	2.09	4727	2	7	165	1496	0	4	0		39	81	0	4	3	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	Recrue	Poids	Taille	Non-échange	Disponible pour échange	Ballotage forcé	Waiver Possible	Contrat	Type	Salaire actuel	Salaire moyen restant	Plafond salarial	Plafond salarial restant	Exclus du plafond salarial	Salaire annuel 2	Salaire annuel 3	Salaire annuel 4	Lien
Artem Anisimov (contrat à 1 volet)	Wolf Pack (Ran)	C	34	1988-05-24	No	198 Lbs	6 ft4	No	No	Yes	Yes	4	Pro & Farm	1,750,000$	9,115$	850,000$	4,427$	No	1,750,000$	1,750,000$	1,750,000$	Lien
Bode Wilde	Wolf Pack (Ran)	D	22	2000-01-24	No	192 Lbs	6 ft3	No	No	No	No	1	Pro & Farm	778,333$	4,054$	0$	0$	No				Lien
Bokondji Imama	Wolf Pack (Ran)	LW	26	1996-08-03	No	220 Lbs	6 ft1	No	No	Yes	Yes	2	Pro & Farm	800,000$	4,167$	0$	0$	No	800,000$			Lien
Braden Holtby (contrat à 1 volet)	Wolf Pack (Ran)	G	33	1989-09-16	No	214 Lbs	6 ft2	No	No	Yes	Yes	2	Pro & Farm	4,875,000$	25,391$	3,975,000$	20,703$	No	4,875,000$			Lien
Cale Fleury	Wolf Pack (Ran)	D	23	1998-11-19	No	204 Lbs	6 ft1	No	No	No	No	1	Pro & Farm	780,000$	4,062$	0$	0$	No				Lien
Cedric Paquette (contrat à 1 volet)	Wolf Pack (Ran)	C/LW	29	1993-08-12	No	204 Lbs	6 ft0	No	No	Yes	Yes	1	Pro & Farm	1,200,000$	6,250$	300,000$	1,562$	No				Lien
David Hrenak	Wolf Pack (Ran)	G	24	1998-05-05	Yes	190 Lbs	6 ft2	No	No	Yes	Yes	2	Pro & Farm	820,000$	4,271$	0$	0$	No	820,000$			Lien
Dylan Holloway	Wolf Pack (Ran)	C/LW	21	2001-09-23	Yes	203 Lbs	6 ft1	No	No	No	No	3	Pro & Farm	925,000$	4,818$	0$	0$	No	925,000$	925,000$		Lien
Evan Cormier	Wolf Pack (Ran)	G	24	1997-11-06	Yes	201 Lbs	6 ft3	No	No	Yes	Yes	1	Pro & Farm	600,000$	3,125$	0$	0$	No				Lien
Frederik Gauthier (contrat à 1 volet)	Wolf Pack (Ran)	C/RW	27	1995-04-26	No	239 Lbs	6 ft5	No	No	Yes	Yes	2	Pro & Farm	1,200,000$	6,250$	300,000$	1,562$	No	1,200,000$			Lien
Georgii Merkulov	Wolf Pack (Ran)	LW	21	2000-10-10	Yes	181 Lbs	5 ft11	No	No	No	No	3	Pro & Farm	925,000$	4,818$	0$	0$	No	925,000$	925,000$
Jacob Perreault	Wolf Pack (Ran)	RW	20	2002-04-15	Yes	192 Lbs	5 ft11	No	No	No	No	1	Pro & Farm	925,000$	4,818$	0$	0$	No				Lien
Jet Greaves	Wolf Pack (Ran)	G	21	2001-03-30	Yes	179 Lbs	6 ft0	No	No	No	No	1	Pro & Farm	600,000$	3,125$	0$	0$	No				Lien
Joel Blomqvist	Wolf Pack (Ran)	G	20	2002-01-10	Yes	183 Lbs	6 ft2	No	No	No	No	3	Pro & Farm	825,000$	4,297$	0$	0$	No	825,000$	825,000$		Lien
Kai Wissmann	Wolf Pack (Ran)	D	25	1996-10-22	Yes	207 Lbs	6 ft4	No	No	Yes	Yes	3	Pro & Farm	825,000$	4,297$	0$	0$	No	825,000$	825,000$
Marco Rossi	Wolf Pack (Ran)	C	21	2001-09-23	Yes	183 Lbs	5 ft9	No	No	No	No	3	Pro & Farm	863,333$	4,497$	0$	0$	No	863,333$	863,333$		Lien
Nils Hoglander	Wolf Pack (Ran)	LW/RW	21	2000-12-20	No	185 Lbs	5 ft9	No	No	No	No	1	Pro & Farm	891,667$	4,644$	0$	0$	No				Lien
Pavel Dorofeyev	Wolf Pack (Ran)	C	21	2000-10-26	Yes	168 Lbs	6 ft1	No	No	No	No	1	Pro & Farm	925,000$	4,818$	0$	0$	No				Lien
Ty Emberson	Wolf Pack (Ran)	D	22	2000-05-24	Yes	194 Lbs	6 ft1	No	No	No	No	2	Pro & Farm	853,333$	4,444$	0$	0$	No	853,333$			Lien
Tyce Thompson	Wolf Pack (Ran)	RW	23	1999-07-12	Yes	174 Lbs	6 ft1	No	No	No	No	2	Pro & Farm	915,000$	4,766$	0$	0$	No	915,000$			Lien
Valtteri Puustinen	Wolf Pack (Ran)	LW	23	1999-06-04	No	183 Lbs	5 ft9	No	No	No	No	3	Pro & Farm	842,500$	4,388$	0$	0$	No	842,500$	842,500$		Lien
Vasili Ponomarev	Wolf Pack (Ran)	C	20	2002-03-13	Yes	181 Lbs	5 ft10	No	No	No	No	3	Pro & Farm	813,333$	4,236$	0$	0$	No	813,333$	813,333$		Lien
Ville Koivunen	Wolf Pack (Ran)	RW	19	2003-06-13	Yes	161 Lbs	5 ft11	No	No	No	No	3	Pro & Farm	828,333$	4,314$	0$	0$	No	828,333$	828,333$
Vinni Lettieri (contrat à 1 volet)	Wolf Pack (Ran)	C/RW	27	1995-02-06	No	185 Lbs	5 ft11	No	No	Yes	Yes	1	Pro & Farm	1,255,555$	7,398$	520,370$	2,710$	No				Lien
William Villeneuve	Wolf Pack (Ran)	D	20	2002-03-20	Yes	174 Lbs	6 ft1	No	No	No	No	3	Pro & Farm	817,778$	4,259$	0$	0$	No	817,778$	817,778$

Nombre de joueurs	Âge moyen	Poids moyen	Taille moyenne	Contrat moyen	Salaire moyen 1e année
25	23.48	192 Lbs	6 ft1	2.08	1,073,367$

Attaque à 5 contre 5
Ligne #	Ailier gauche	Centre	Ailier droit	% temps	PHY	DF	OF
1		Cedric Paquette		40	1	2	2
2		Dylan Holloway	Jacob Perreault	30	1	2	2
3	Tyce Thompson	Vasili Ponomarev		20	1	2	2
4	Cedric Paquette	Marco Rossi	Tyce Thompson	10	1	2	2

Défense à 5 contre 5
Ligne #	Défense	Défense	% temps	PHY	DF	OF
1			40	1	2	2
2	Ty Emberson	Kai Wissmann	30	1	2	2
3	William Villeneuve		20	1	2	2
4			10	1	2	2

Attaque en avantage numérique
Ligne #	Ailier gauche	Centre	Ailier droit	% temps	PHY	DF	OF
1		Cedric Paquette	Vinni Lettieri	60	1	2	2
2		Vinni Lettieri		40	1	2	2

Défense en avantage numérique
Ligne #	Défense	Défense	% temps	PHY	DF	OF
1			60	1	2	2
2	Ty Emberson	Kai Wissmann	40	1	2	2

Attaque à 4 en désavantage numérique
Ligne #	Centre	Ailier	% temps	PHY	DF	OF
1	Cedric Paquette		60	1	2	2
2	Vinni Lettieri		40	1	2	2

Défense à 4 en désavantage numérique
Ligne #	Défense	Défense	% temps	PHY	DF	OF
1			60	1	2	2
2	Ty Emberson	Kai Wissmann	40	1	2	2

3 joueurs en désavantage numérique
Ligne #	Ailier	% temps	PHY	DF	OF	Défense	Défense	% temps	PHY	DF	OF
1	Cedric Paquette	60	1	2	2			60	1	2	2
2	Vinni Lettieri	40	1	2	2	Ty Emberson	Kai Wissmann	40	1	2	2

Attaque à 4 contre 4
Ligne #	Centre	Ailier	% temps	PHY	DF	OF
1	Cedric Paquette		60	1	2	2
2	Vinni Lettieri		40	1	2	2

Défense à 4 contre 4
Ligne #	Défense	Défense	% temps	PHY	DF	OF
1			60	1	2	2
2	Ty Emberson	Kai Wissmann	40	1	2	2

Attaque dernière minute
Ailier gauche	Centre	Ailier droit	Défense	Défense
	Cedric Paquette	Vinni Lettieri

Défense dernière minute
Ailier gauche	Centre	Ailier droit	Défense	Défense
	Cedric Paquette	Vinni Lettieri

Attaquants supplémentaires
Normal	Avantage numérique	Désavantage numérique
Vinni Lettieri, Dylan Holloway,	Vinni Lettieri, Dylan Holloway	Vinni Lettieri

Défenseurs supplémentaires
Normal	Avantage numérique	Désavantage numérique
Kai Wissmann, William Villeneuve,	Kai Wissmann	Kai Wissmann, William Villeneuve

Tirs de pénalité
, , , Cedric Paquette, Vinni Lettieri

Gardien
#1 : Braden Holtby, #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	1	0	0	0	0	0	5	4	1	1	0	1	0	0	0	0	0	2	3	-1	1	1	0	0	0	0	0	0	3	1	2	2	0.500	5	8	13	0	0	91	67	53	11	52	651	620	623	61	36	12	8	18	9	3	33.33%	4	0	100.00%	0	1213	2240	54.15%	1062	2016	52.68%	581	1142	50.88%	2072	1518	1936	567	967	472
2	Baby Hawks	2	2	0	0	0	0	0	0	6	2	4	1	1	0	0	0	0	0	0	4	1	3	1	1	0	0	0	0	0	0	2	1	1	4	1.000	6	10	16	0	0	91	67	53	11	36	651	620	623	61	41	17	10	32	7	1	14.29%	5	0	100.00%	0	1213	2240	54.15%	1062	2016	52.68%	581	1142	50.88%	2072	1518	1936	567	967	472
3	Bears	4	2	2	0	0	0	0	0	5	6	-1	2	1	1	0	0	0	0	0	2	2	0	2	1	1	0	0	0	0	0	3	4	-1	4	0.500	5	8	13	0	0	91	67	53	11	76	651	620	623	61	56	10	24	57	13	2	15.38%	12	1	91.67%	0	1213	2240	54.15%	1062	2016	52.68%	581	1142	50.88%	2072	1518	1936	567	967	472
4	Bruins	3	1	2	0	0	0	0	0	4	4	0	1	0	1	0	0	0	0	0	0	1	-1	2	1	1	0	0	0	0	0	4	3	1	2	0.333	4	7	11	0	0	91	67	53	11	60	651	620	623	61	53	13	22	58	11	1	9.09%	10	1	90.00%	0	1213	2240	54.15%	1062	2016	52.68%	581	1142	50.88%	2072	1518	1936	567	967	472
5	Cabaret Lady Mary Ann	3	1	1	0	0	0	1	0	8	7	1	2	1	1	0	0	0	0	0	5	5	0	1	0	0	0	0	0	1	0	3	2	1	4	0.667	8	13	21	0	0	91	67	53	11	80	651	620	623	61	55	14	27	51	8	3	37.50%	10	3	70.00%	0	1213	2240	54.15%	1062	2016	52.68%	581	1142	50.88%	2072	1518	1936	567	967	472
6	Caroline	3	0	2	0	0	0	0	1	6	10	-4	2	0	2	0	0	0	0	0	3	6	-3	1	0	0	0	0	0	0	1	3	4	-1	1	0.167	6	10	16	0	0	91	67	53	11	63	651	620	623	61	44	10	16	49	18	3	16.67%	8	2	75.00%	0	1213	2240	54.15%	1062	2016	52.68%	581	1142	50.88%	2072	1518	1936	567	967	472
7	Chiefs	2	0	0	0	1	1	0	0	5	5	0	1	0	0	0	1	0	0	0	3	2	1	1	0	0	0	0	1	0	0	2	3	-1	3	0.750	5	7	12	0	0	91	67	53	11	42	651	620	623	61	30	13	8	48	9	0	0.00%	4	1	75.00%	0	1213	2240	54.15%	1062	2016	52.68%	581	1142	50.88%	2072	1518	1936	567	967	472
8	Chill	2	1	1	0	0	0	0	0	4	2	2	1	0	1	0	0	0	0	0	0	2	-2	1	1	0	0	0	0	0	0	4	0	4	2	0.500	4	7	11	0	1	91	67	53	11	45	651	620	623	61	34	7	12	25	5	0	0.00%	6	2	66.67%	0	1213	2240	54.15%	1062	2016	52.68%	581	1142	50.88%	2072	1518	1936	567	967	472
9	Comets	2	1	1	0	0	0	0	0	3	3	0	1	1	0	0	0	0	0	0	1	0	1	1	0	1	0	0	0	0	0	2	3	-1	2	0.500	3	6	9	0	1	91	67	53	11	43	651	620	623	61	34	5	14	49	4	1	25.00%	7	0	100.00%	0	1213	2240	54.15%	1062	2016	52.68%	581	1142	50.88%	2072	1518	1936	567	967	472
10	Cougars	3	1	1	0	0	0	1	0	11	6	5	2	0	1	0	0	0	1	0	5	5	0	1	1	0	0	0	0	0	0	6	1	5	4	0.667	11	17	28	0	0	91	67	53	11	63	651	620	623	61	64	14	6	40	15	1	6.67%	2	1	50.00%	0	1213	2240	54.15%	1062	2016	52.68%	581	1142	50.88%	2072	1518	1936	567	967	472
11	Crunch	3	0	2	0	0	0	1	0	7	10	-3	2	0	1	0	0	0	1	0	5	6	-1	1	0	1	0	0	0	0	0	2	4	-2	2	0.333	7	11	18	0	0	91	67	53	11	87	651	620	623	61	67	23	14	70	8	3	37.50%	6	0	100.00%	0	1213	2240	54.15%	1062	2016	52.68%	581	1142	50.88%	2072	1518	1936	567	967	472
12	Heat	2	2	0	0	0	0	0	0	8	6	2	1	1	0	0	0	0	0	0	4	3	1	1	1	0	0	0	0	0	0	4	3	1	4	1.000	8	14	22	0	0	91	67	53	11	64	651	620	623	61	44	13	16	37	9	2	22.22%	7	1	85.71%	0	1213	2240	54.15%	1062	2016	52.68%	581	1142	50.88%	2072	1518	1936	567	967	472
13	Jayhawks	2	1	1	0	0	0	0	0	6	5	1	1	0	1	0	0	0	0	0	2	3	-1	1	1	0	0	0	0	0	0	4	2	2	2	0.500	6	12	18	0	0	91	67	53	11	72	651	620	623	61	44	19	10	55	0	0	0%	5	0	100.00%	0	1213	2240	54.15%	1062	2016	52.68%	581	1142	50.88%	2072	1518	1936	567	967	472
14	Las Vegas	2	1	1	0	0	0	0	0	6	4	2	1	1	0	0	0	0	0	0	3	0	3	1	0	1	0	0	0	0	0	3	4	-1	2	0.500	6	11	17	0	1	91	67	53	11	49	651	620	623	61	36	19	24	38	3	1	33.33%	11	2	81.82%	0	1213	2240	54.15%	1062	2016	52.68%	581	1142	50.88%	2072	1518	1936	567	967	472
15	Manchots	3	3	0	0	0	0	0	0	7	2	5	1	1	0	0	0	0	0	0	2	1	1	2	2	0	0	0	0	0	0	5	1	4	6	1.000	7	11	18	0	1	91	67	53	11	78	651	620	623	61	52	19	18	46	12	0	0.00%	9	1	88.89%	0	1213	2240	54.15%	1062	2016	52.68%	581	1142	50.88%	2072	1518	1936	567	967	472
16	Marlies	3	1	2	0	0	0	0	0	6	7	-1	1	0	1	0	0	0	0	0	0	2	-2	2	1	1	0	0	0	0	0	6	5	1	2	0.333	6	11	17	0	0	91	67	53	11	56	651	620	623	61	65	17	14	64	5	2	40.00%	7	0	100.00%	0	1213	2240	54.15%	1062	2016	52.68%	581	1142	50.88%	2072	1518	1936	567	967	472
17	Minnesota	2	1	1	0	0	0	0	0	8	3	5	1	1	0	0	0	0	0	0	8	1	7	1	0	1	0	0	0	0	0	0	2	-2	2	0.500	8	14	22	0	0	91	67	53	11	43	651	620	623	61	34	6	10	35	8	1	12.50%	5	0	100.00%	0	1213	2240	54.15%	1062	2016	52.68%	581	1142	50.88%	2072	1518	1936	567	967	472
18	Monarchs	2	1	0	0	1	0	0	0	9	4	5	1	1	0	0	0	0	0	0	4	0	4	1	0	0	0	1	0	0	0	5	4	1	4	1.000	9	14	23	0	1	91	67	53	11	62	651	620	623	61	40	6	10	41	7	1	14.29%	4	0	100.00%	0	1213	2240	54.15%	1062	2016	52.68%	581	1142	50.88%	2072	1518	1936	567	967	472
19	Monsters	4	3	0	0	0	0	0	1	12	4	8	2	1	0	0	0	0	0	1	3	1	2	2	2	0	0	0	0	0	0	9	3	6	7	0.875	12	22	34	0	1	91	67	53	11	74	651	620	623	61	76	22	34	66	16	3	18.75%	14	1	92.86%	0	1213	2240	54.15%	1062	2016	52.68%	581	1142	50.88%	2072	1518	1936	567	967	472
20	Monsters	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	91	67	53	11	49	651	620	623	61	45	7	12	32	12	1	8.33%	6	1	83.33%	0	1213	2240	54.15%	1062	2016	52.68%	581	1142	50.88%	2072	1518	1936	567	967	472
21	Oceanics	2	0	2	0	0	0	0	0	2	11	-9	1	0	1	0	0	0	0	0	0	7	-7	1	0	1	0	0	0	0	0	2	4	-2	0	0.000	2	4	6	0	0	91	67	53	11	37	651	620	623	61	63	18	26	40	5	0	0.00%	12	3	75.00%	0	1213	2240	54.15%	1062	2016	52.68%	581	1142	50.88%	2072	1518	1936	567	967	472
22	Oil Kings	2	2	0	0	0	0	0	0	8	2	6	1	1	0	0	0	0	0	0	5	1	4	1	1	0	0	0	0	0	0	3	1	2	4	1.000	8	14	22	0	0	91	67	53	11	48	651	620	623	61	35	15	18	37	4	1	25.00%	7	1	85.71%	0	1213	2240	54.15%	1062	2016	52.68%	581	1142	50.88%	2072	1518	1936	567	967	472
23	Phantoms	4	1	1	0	0	0	1	1	8	10	-2	2	1	1	0	0	0	0	0	4	6	-2	2	0	0	0	0	0	1	1	4	4	0	5	0.625	8	11	19	0	0	91	67	53	11	83	651	620	623	61	92	28	30	62	9	2	22.22%	15	3	80.00%	0	1213	2240	54.15%	1062	2016	52.68%	581	1142	50.88%	2072	1518	1936	567	967	472
24	Rocket	3	3	0	0	0	0	0	0	11	4	7	2	2	0	0	0	0	0	0	7	3	4	1	1	0	0	0	0	0	0	4	1	3	6	1.000	11	16	27	0	0	91	67	53	11	82	651	620	623	61	44	7	12	63	13	3	23.08%	5	0	100.00%	0	1213	2240	54.15%	1062	2016	52.68%	581	1142	50.88%	2072	1518	1936	567	967	472
25	Sags	2	1	1	0	0	0	0	0	4	3	1	1	1	0	0	0	0	0	0	3	1	2	1	0	1	0	0	0	0	0	1	2	-1	2	0.500	4	7	11	0	0	91	67	53	11	35	651	620	623	61	30	5	10	28	7	2	28.57%	5	0	100.00%	0	1213	2240	54.15%	1062	2016	52.68%	581	1142	50.88%	2072	1518	1936	567	967	472
26	Seattle	2	1	1	0	0	0	0	0	6	5	1	1	1	0	0	0	0	0	0	4	2	2	1	0	1	0	0	0	0	0	2	3	-1	2	0.500	6	10	16	0	0	91	67	53	11	47	651	620	623	61	36	10	8	24	6	0	0.00%	4	0	100.00%	0	1213	2240	54.15%	1062	2016	52.68%	581	1142	50.88%	2072	1518	1936	567	967	472
27	Senators	3	1	2	0	0	0	0	0	6	5	1	1	1	0	0	0	0	0	0	4	1	3	2	0	2	0	0	0	0	0	2	4	-2	2	0.333	6	8	14	0	0	91	67	53	11	58	651	620	623	61	60	16	17	58	6	1	16.67%	6	2	66.67%	0	1213	2240	54.15%	1062	2016	52.68%	581	1142	50.88%	2072	1518	1936	567	967	472
28	Sound Tigers	4	2	2	0	0	0	0	0	12	11	1	2	2	0	0	0	0	0	0	9	2	7	2	0	2	0	0	0	0	0	3	9	-6	4	0.500	12	19	31	0	0	91	67	53	11	97	651	620	623	61	82	33	20	78	19	0	0.00%	10	3	70.00%	0	1213	2240	54.15%	1062	2016	52.68%	581	1142	50.88%	2072	1518	1936	567	967	472
29	Spiders	4	0	1	0	0	0	0	3	11	15	-4	2	0	0	0	0	0	0	2	6	8	-2	2	0	1	0	0	0	0	1	5	7	-2	3	0.375	11	15	26	0	0	91	67	53	11	102	651	620	623	61	95	22	51	82	7	1	14.29%	16	3	81.25%	1	1213	2240	54.15%	1062	2016	52.68%	581	1142	50.88%	2072	1518	1936	567	967	472
30	Stars	2	1	1	0	0	0	0	0	4	4	0	1	0	1	0	0	0	0	0	1	2	-1	1	1	0	0	0	0	0	0	3	2	1	2	0.500	4	7	11	0	0	91	67	53	11	37	651	620	623	61	42	6	15	35	6	0	0.00%	5	0	100.00%	0	1213	2240	54.15%	1062	2016	52.68%	581	1142	50.88%	2072	1518	1936	567	967	472
31	Thunder	3	3	0	0	0	0	0	0	16	9	7	1	1	0	0	0	0	0	0	5	4	1	2	2	0	0	0	0	0	0	11	5	6	6	1.000	16	28	44	0	0	91	67	53	11	94	651	620	623	61	63	17	27	55	6	2	33.33%	6	0	100.00%	0	1213	2240	54.15%	1062	2016	52.68%	581	1142	50.88%	2072	1518	1936	567	967	472
	Total	82	38	31	0	2	1	4	6	217	180	37	41	20	15	0	1	0	2	3	105	84	21	41	18	16	0	1	1	2	3	112	96	16	95	0.579	217	357	574	0	6	91	67	53	11	1914	651	620	623	61	1592	443	543	1473	267	41	15.36%	233	32	86.27%	1	1213	2240	54.15%	1062	2016	52.68%	581	1142	50.88%	2072	1518	1936	567	967	472
	_Since Last GM Reset	82	38	31	0	2	1	4	6	217	180	37	41	20	15	0	1	0	2	3	105	84	21	41	18	16	0	1	1	2	3	112	96	16	95	0.579	217	357	574	0	6	91	67	53	11	1914	651	620	623	61	1592	443	543	1473	267	41	15.36%	233	32	86.27%	1	1213	2240	54.15%	1062	2016	52.68%	581	1142	50.88%	2072	1518	1936	567	967	472
	_Vs Conference	45	21	17	0	1	0	1	5	111	97	14	20	10	7	0	0	0	0	3	44	41	3	25	11	10	0	1	0	1	2	67	56	11	51	0.567	111	180	291	0	4	91	67	53	11	1009	651	620	623	61	897	245	323	778	137	20	14.60%	136	20	85.29%	1	1213	2240	54.15%	1062	2016	52.68%	581	1142	50.88%	2072	1518	1936	567	967	472
	_Vs Division	26	6	4	0	0	0	1	5	61	58	3	13	4	1	0	0	0	0	3	29	26	3	13	2	3	0	0	0	1	2	32	32	0	19	0.365	61	96	157	0	2	91	67	53	11	573	651	620	623	61	497	144	193	440	94	11	11.70%	84	14	83.33%	1	1213	2240	54.15%	1062	2016	52.68%	581	1142	50.88%	2072	1518	1936	567	967	472

			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	95	W2	217	357	574	1914	1592	443	543	1473	0	6

Tous les matchs
GP	W	L	OTW	OTL	SOW	SOL	GF	GA
82	38	31	2	1	4	6	217	180

Matchs locaux
GP	W	L	OTW	OTL	SOW	SOL	GF	GA
41	20	15	1	0	2	3	105	84

Matchs extérieurs
GP	W	L	OTW	OTL	SOW	SOL	GF	GA
41	18	16	1	1	2	3	112	96

Derniers 10 matchs
W	L	OTW	OTL	SOW	SOL
6	3	0	0	0	1

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
267	41	15.36%	233	32	86.27%	1

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
651	620	623	61	91	67	53	11

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
1213	2240	54.15%	1062	2016	52.68%	581	1142	50.88%

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
2072	1518	1936	567	967	472

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
3 - 2023-10-12	10	Wolf Pack	2	Crunch	4	AL			Sommaire du match
5 - 2023-10-14	22	Wolf Pack	3	Monsters	2	AW			Sommaire du match
7 - 2023-10-16	37	Jayhawks	3	Wolf Pack	2	BL			Sommaire du match
10 - 2023-10-19	53	Chill	2	Wolf Pack	0	BL			Sommaire du match
12 - 2023-10-21	77	Wolf Pack	2	Seattle	3	AL			Sommaire du match
15 - 2023-10-24	96	Wolf Pack	4	Heat	3	AW			Sommaire du match
17 - 2023-10-26	110	Wolf Pack	3	Oil Kings	1	AW			Sommaire du match
19 - 2023-10-28	124	Wolf Pack	2	Comets	3	AL			Sommaire du match
21 - 2023-10-30	134	Wolf Pack	2	Oceanics	4	AL			Sommaire du match
24 - 2023-11-02	148	Caroline	3	Wolf Pack	2	BL			Sommaire du match
26 - 2023-11-04	169	Wolf Pack	0	Minnesota	2	AL			Sommaire du match
29 - 2023-11-07	183	Cougars	3	Wolf Pack	2	BL			Sommaire du match
31 - 2023-11-09	196	Minnesota	1	Wolf Pack	8	BW			Sommaire du match
34 - 2023-11-12	225	Monsters	1	Wolf Pack	0	BL	X	X	Sommaire du match
40 - 2023-11-18	262	Wolf Pack	2	Spiders	3	AL	X	X	Sommaire du match
42 - 2023-11-20	274	Wolf Pack	3	Stars	2	AW			Sommaire du match
44 - 2023-11-22	283	Wolf Pack	2	Manchots	0	AW			Sommaire du match
46 - 2023-11-24	294	Wolf Pack	2	Phantoms	1	AW	X	X	Sommaire du match
47 - 2023-11-25	308	Bruins	1	Wolf Pack	0	BL			Sommaire du match
49 - 2023-11-27	322	Crunch	4	Wolf Pack	2	BL			Sommaire du match
51 - 2023-11-29	338	Cougars	2	Wolf Pack	3	BW	X	X	Sommaire du match
54 - 2023-12-02	358	Wolf Pack	4	Chill	0	AW			Sommaire du match
55 - 2023-12-03	370	Sags	1	Wolf Pack	3	BW			Sommaire du match
57 - 2023-12-05	382	Wolf Pack	1	Senators	2	AL			Sommaire du match
61 - 2023-12-09	414	Wolf Pack	0	Bears	2	AL			Sommaire du match
62 - 2023-12-10	424	Monarchs	0	Wolf Pack	4	BW			Sommaire du match
64 - 2023-12-12	432	Marlies	2	Wolf Pack	0	BL			Sommaire du match
67 - 2023-12-15	456	Admirals	3	Wolf Pack	2	BL			Sommaire du match
68 - 2023-12-16	463	Wolf Pack	1	Bruins	2	AL			Sommaire du match
71 - 2023-12-19	489	Wolf Pack	3	Marlies	4	AL			Sommaire du match
74 - 2023-12-22	511	Oil Kings	1	Wolf Pack	5	BW			Sommaire du match
75 - 2023-12-23	522	Crunch	2	Wolf Pack	3	BW	X	X	Sommaire du match
79 - 2023-12-27	529	Bears	1	Wolf Pack	0	BL			Sommaire du match
81 - 2023-12-29	548	Wolf Pack	3	Cabaret Lady Mary Ann	2	AW	X	X	Sommaire du match
82 - 2023-12-30	560	Wolf Pack	6	Thunder	3	AW			Sommaire du match
85 - 2024-01-02	575	Caroline	3	Wolf Pack	1	BL			Sommaire du match
87 - 2024-01-04	591	Baby Hawks	1	Wolf Pack	4	BW			Sommaire du match
89 - 2024-01-06	611	Wolf Pack	4	Rocket	1	AW			Sommaire du match
91 - 2024-01-08	621	Comets	0	Wolf Pack	1	BW			Sommaire du match
94 - 2024-01-11	647	Wolf Pack	2	Chiefs	3	AL	X		Sommaire du match
96 - 2024-01-13	653	Wolf Pack	3	Bears	2	AW			Sommaire du match
97 - 2024-01-14	669	Bears	1	Wolf Pack	2	BW			Sommaire du match
99 - 2024-01-16	681	Seattle	2	Wolf Pack	4	BW			Sommaire du match
101 - 2024-01-18	701	Wolf Pack	3	Las Vegas	4	AL			Sommaire du match
103 - 2024-01-20	717	Wolf Pack	5	Monarchs	4	AW	X		Sommaire du match
104 - 2024-01-21	722	Wolf Pack	3	Admirals	1	AW			Sommaire du match
106 - 2024-01-23	738	Wolf Pack	1	Sags	2	AL			Sommaire du match
109 - 2024-01-26	755	Las Vegas	0	Wolf Pack	3	BW			Sommaire du match
110 - 2024-01-27	766	Wolf Pack	1	Senators	2	AL			Sommaire du match
119 - 2024-02-05	781	Monsters	3	Wolf Pack	1	BL			Sommaire du match
121 - 2024-02-07	791	Thunder	4	Wolf Pack	5	BW			Sommaire du match
123 - 2024-02-09	802	Wolf Pack	2	Baby Hawks	1	AW			Sommaire du match
126 - 2024-02-12	820	Heat	3	Wolf Pack	4	BW			Sommaire du match
129 - 2024-02-15	840	Rocket	1	Wolf Pack	2	BW			Sommaire du match
132 - 2024-02-18	863	Wolf Pack	2	Sound Tigers	5	AL			Sommaire du match
134 - 2024-02-20	877	Stars	2	Wolf Pack	1	BL			Sommaire du match
136 - 2024-02-22	891	Wolf Pack	3	Spiders	4	AL			Sommaire du match
138 - 2024-02-24	905	Wolf Pack	2	Phantoms	3	AL	X	X	Sommaire du match
139 - 2024-02-25	921	Wolf Pack	6	Monsters	1	AW			Sommaire du match
142 - 2024-02-28	939	Monsters	0	Wolf Pack	3	BW			Sommaire du match
145 - 2024-03-02	964	Wolf Pack	3	Marlies	1	AW			Sommaire du match
147 - 2024-03-04	976	Cabaret Lady Mary Ann	1	Wolf Pack	2	BW			Sommaire du match
Date limite d’échanges --- Les échanges ne peuvent plus se faire après la simulation de cette journée!
152 - 2024-03-09	1018	Chiefs	2	Wolf Pack	3	BW	X		Sommaire du match
154 - 2024-03-11	1028	Spiders	4	Wolf Pack	3	BL	X	X	Sommaire du match
155 - 2024-03-12	1032	Wolf Pack	3	Caroline	4	AL	X	X	Sommaire du match
157 - 2024-03-14	1052	Wolf Pack	5	Thunder	2	AW			Sommaire du match
159 - 2024-03-16	1061	Wolf Pack	3	Manchots	1	AW			Sommaire du match
160 - 2024-03-17	1073	Sound Tigers	1	Wolf Pack	5	BW			Sommaire du match
162 - 2024-03-19	1085	Oceanics	7	Wolf Pack	0	BL			Sommaire du match
164 - 2024-03-21	1098	Wolf Pack	3	Bruins	1	AW			Sommaire du match
166 - 2024-03-23	1119	Cabaret Lady Mary Ann	4	Wolf Pack	3	BL			Sommaire du match
169 - 2024-03-26	1137	Phantoms	1	Wolf Pack	2	BW			Sommaire du match
171 - 2024-03-28	1159	Wolf Pack	2	Monsters	4	AL			Sommaire du match
173 - 2024-03-30	1168	Wolf Pack	4	Jayhawks	2	AW			Sommaire du match
175 - 2024-04-01	1182	Manchots	1	Wolf Pack	2	BW			Sommaire du match
177 - 2024-04-03	1198	Spiders	4	Wolf Pack	3	BL	X	X	Sommaire du match
179 - 2024-04-05	1213	Wolf Pack	6	Cougars	1	AW			Sommaire du match
181 - 2024-04-07	1234	Rocket	2	Wolf Pack	5	BW			Sommaire du match
183 - 2024-04-09	1244	Wolf Pack	1	Sound Tigers	4	AL			Sommaire du match
185 - 2024-04-11	1257	Phantoms	5	Wolf Pack	2	BL			Sommaire du match
187 - 2024-04-13	1270	Sound Tigers	1	Wolf Pack	4	BW			Sommaire du match
189 - 2024-04-15	1292	Senators	1	Wolf Pack	4	BW			Sommaire du match

Capacité de l’aréna - Tendance du prix des billets - %
	Niveau 1	Niveau 2
Capacité	2000	1000
Prix des billets	40	20
Assistance	63,785	27,778
Assistance PCT	77.79%	67.75%

Revenu
Matchs à domicile restants	Assistance moyenne - %	Revenu moyen par match	Revenu annuel à ce jour	Capacité	Popularité de l’équipe
0	2233 - 74.44%	90,935$	3,728,352$	3000	100

Dépenses
Dépenses annuelles à ce jour	Salaire total des joueurs	Salaire total moyen des joueurs	Salaire des entraineurs
1,496,442$	1,655,360$	1,655,360$	0$

Plafond salarial par jour	Plafond salarial à ce jour	Joueurs Inclus dans le plafond salarial	Joueurs exclut du plafond Salarial
8,622$	1,496,442$	0	0

Estimation
Revenus de la saison estimés	Jours restants de la saison	Dépenses par jour	Dépenses de la saison estimées
0$	1	8,622$	8,622$

Wolf Pack 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

Wolf Pack 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

Wolf Pack 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

Wolf Pack 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

Wolf Pack 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

	Wolf Pack
	GP: 82 \| W: 44 \| L: 31 \| OTL: 7 \| P: 95 GF: 217 \| GA: 180 \| PP%: 15.36% \| PK%: 86.27% DG: Jonathan Laroche \| Morale : 50 \| Moyenne d’équipe : 60