Ligue de hockey Simulée Ste-Flanelle

Columbus
Formation
Points
Informations Joueurs
Lignes
Statistiques d'Équipe
Calendrier
Finance
Client Web pour Lignes

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
1	Marcus Kruger	X				100.00	60	43	82	74	58	64	71	50	85	50	50	71	48	61	58	0	50	59	0
2	Andrew Desjardins	X	X	X		100.00	64	56	83	66	67	58	66	44	67	42	46	64	44	56	51	0	50	55	0
3	Teemu Pulkkinen		X	X		100.00	51	35	83	73	57	56	44	52	36	44	60	60	47	43	38	0	50	54	0
4	Adam Erne (R)		X	X		100.00	57	43	84	63	74	56	39	50	60	41	58	52	48	37	34	0	50	52	0
5	William Carrier (R)		X	X		100.00	84	43	82	60	74	53	44	45	50	42	48	53	48	37	34	0	50	51	0
6	Jeremy Morin		X	X		100.00	50	50	74	66	62	46	40	43	36	42	45	59	50	44	41	0	50	50	0
7	Julien Gauthier (R)			X		100.00	50	50	50	50	80	50	50	50	50	50	50	50	50	32	30	0	50	50	0
8	Jerry D'Amigo		X			100.00	43	35	88	65	71	46	31	37	72	35	38	71	45	37	34	0	50	49	0
9	Dominic Toninato (R)	X				100.00	53	35	86	64	69	49	40	39	57	42	35	59	48	35	32	0	50	48	0
10	Nick Sorensen (R)			X		100.00	47	35	84	68	57	48	33	42	45	50	33	57	47	35	32	0	50	48	0
11	Zach Senyshyn (R)			X		100.00	47	50	49	49	68	46	46	47	49	47	47	50	48	32	30	0	50	48	0
12	Scott Kosmachuk			X		100.00	45	35	86	70	57	46	31	34	35	37	32	64	46	35	32	0	50	47	0
13	Tanner Richard (R)	X				100.00	51	35	78	70	64	50	33	33	47	33	33	60	47	35	32	0	50	46	0
14	Jakub Kindl				X	100.00	61	35	79	62	66	58	43	42	35	44	39	65	47	55	48	0	50	56	0
15	Erik Burgdoerfer				X	100.00	55	35	95	63	68	54	35	33	35	33	32	65	48	37	34	0	50	52	0
16	Rasmus Rissanen				X	100.00	51	35	76	57	72	42	29	31	35	31	31	71	45	35	32	0	50	50	0
17	Jeremy Roy (R)				X	100.00	43	45	45	45	64	42	42	43	45	43	43	45	44	32	30	0	50	45	0
18	Mark Cundari				X	100.00	30	85	35	51	62	29	46	31	35	31	31	55	45	37	34	0	50	44	0
Rayé
1	Alexander Khokhlachev	X	X			100.00	45	35	93	73	55	46	31	32	40	32	32	61	52	39	36	0	50	46	0
2	Kasper Bjorkqvist (R)		X	X		100.00	43	43	43	43	68	43	43	43	43	43	43	43	43	32	30	0	50	44	0
3	Mario Lucia (R)		X	X		100.00	41	45	45	45	61	39	39	41	45	41	41	45	43	32	30	0	50	43	0
4	Adam Tambellini (R)	X	X			100.00	39	43	43	43	51	37	37	39	43	39	39	43	41	32	30	0	50	41	0
5	Maxim Kitsyn (R)		X			100.00	33	37	37	37	67	33	33	33	37	33	33	37	35	32	30	0	50	38	0
6	Keaton Middleton (R)				X	100.00	40	40	40	40	81	40	40	40	40	40	40	40	40	32	30	0	50	43	0
7	Reece Scarlett (R)				X	100.00	33	37	37	37	50	33	33	33	37	33	33	37	35	32	30	0	50	37	0

	MOYENNE D'ÉQUIPE					100.00	49	42	67	57	65	47	41	40	46	40	40	55	45	38	35	0	50	48

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
1	Charlie Lindgren (R)	100.00	43	45	96	66	41	51	47	40	54	65	70	39	36	0	50	51	0
2	Jean-Francois Berube	100.00	39	45	72	64	38	46	46	37	45	65	45	40	37	0	50	47	0
Rayé
1	David Honzik (R)	100.00	41	43	41	79	40	39	39	39	39	39	38	32	30	0	50	43	0

	MOYENNE D'ÉQUIPE	100.00	41	44	70	70	40	45	44	39	46	56	51	37	34	0	50	47

Nom du Coach	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	PKG	PKA	PKP	PKS	PKM	GW	GT	FO%	FOT	EG	HT	P/20	PSG	PSS	FW	FL	FT	S1	S2	S3
1	Marcus Kruger	Monsters (Clb)	C	82	50	65	115	11	46	0	114	265	371	115	313	13.48%	43	1807	22.04	12	27	39	81	283	0	0	0	3	276	4	2	68.14%	1632	2	2	1.27	2	6	0	0	0	9	4	4
2	Teemu Pulkkinen	Monsters (Clb)	LW/RW	82	52	46	98	31	18	0	69	136	349	102	269	14.90%	16	1344	16.39	12	10	22	86	270	0	0	0	1	16	8	2	48.18%	110	0	1	1.46	1	1	0	0	0	7	6	8
3	Andrew Desjardins	Monsters (Clb)	C/LW/RW	82	25	56	81	25	68	20	107	167	229	61	177	10.92%	21	1484	18.10	9	19	28	64	292	1	0	1	7	175	3	1	62.80%	879	0	0	1.09	1	5	0	1	3	1	7	8
4	Pontus Aberg	Columbus	LW/RW	54	28	40	68	29	8	0	31	100	182	57	152	15.38%	12	1006	18.64	5	8	13	38	168	0	0	0	3	102	5	2	46.77%	62	0	1	1.35	0	1	0	0	0	7	2	5
5	Jakub Kindl	Monsters (Clb)	D	82	11	51	62	14	62	0	130	87	142	52	90	7.75%	102	1871	22.83	5	10	15	59	280	0	1	1	0	240	3	0	0.00%	0	0	0	0.66	0	0	0	0	0	3	0	3
6	Dominic Toninato	Monsters (Clb)	C	82	13	45	58	19	61	25	67	137	128	39	100	10.16%	9	1282	15.64	4	14	18	33	261	0	0	0	0	32	1	0	55.02%	1423	0	0	0.90	0	0	1	1	2	2	1	3
7	Erik Burgdoerfer	Monsters (Clb)	D	82	13	32	45	1	38	0	72	60	91	41	59	14.29%	71	1611	19.65	9	13	22	43	249	0	0	0	0	220	1	1	0.00%	0	0	0	0.56	0	0	0	0	0	0	3	3
8	Jeremy Morin	Monsters (Clb)	LW/RW	82	21	23	44	-9	52	20	33	109	199	49	134	10.55%	24	1005	12.27	0	0	0	3	2	0	0	0	0	9	5	0	53.19%	47	0	0	0.87	0	0	3	0	1	1	4	0
9	William Carrier	Monsters (Clb)	LW/RW	82	16	27	43	-2	96	0	188	72	145	41	105	11.03%	13	1214	14.81	1	4	5	5	21	0	1	1	4	141	2	1	60.34%	116	0	0	0.71	0	0	0	0	0	2	2	2
10	Adam Erne	Monsters (Clb)	LW/RW	53	21	20	41	12	36	10	30	47	138	36	101	15.22%	7	801	15.12	2	5	7	27	148	0	0	0	0	5	3	2	56.06%	66	0	1	1.02	0	1	0	0	1	1	3	2
11	Rasmus Rissanen	Monsters (Clb)	D	82	13	23	36	-4	32	0	86	59	101	37	68	12.87%	73	1547	18.87	9	6	15	50	232	0	1	1	4	194	1	1	0.00%	0	0	0	0.47	0	0	0	0	0	1	2	2
12	Julien Gauthier	Monsters (Clb)	RW	82	14	20	34	2	63	5	93	36	113	24	74	12.39%	0	675	8.24	1	0	1	1	2	0	0	0	0	1	2	0	50.00%	38	0	1	1.01	0	0	0	0	1	1	5	1
13	Nick Ritchie	Columbus	LW	18	14	14	28	9	28	0	68	42	79	22	57	17.72%	6	415	23.10	3	3	6	13	60	0	0	0	4	53	0	0	53.02%	149	0	1	1.35	0	2	0	0	0	5	1	2
14	Nick Sorensen	Monsters (Clb)	RW	81	10	17	27	-5	16	0	21	71	110	34	83	9.09%	13	564	6.97	2	4	6	12	81	0	0	0	1	13	1	0	56.82%	88	0	1	0.96	0	0	0	0	0	1	0	1
15	Alex Biega	Columbus	D	36	6	18	24	0	50	0	87	49	72	24	64	8.33%	46	837	23.27	4	8	12	48	125	0	0	0	2	103	2	1	0.00%	0	0	0	0.57	0	0	0	0	0	1	2	1
16	Vinnie Hinostroza	Columbus	C/LW/RW	14	8	16	24	19	6	0	5	14	38	12	19	21.05%	4	211	15.09	1	1	2	1	15	0	0	0	0	8	3	0	42.86%	14	0	0	2.27	0	0	0	0	0	3	1	1
17	Drew Stafford	Columbus	LW/RW	20	14	9	23	9	12	0	19	50	86	25	68	16.28%	4	472	23.62	2	2	4	11	61	0	0	0	3	67	0	1	52.03%	271	0	1	0.97	2	3	0	0	0	4	2	1
18	Alexander Khokhlachev	Monsters (Clb)	C/LW	47	10	11	21	-15	0	0	2	74	71	23	48	14.08%	14	553	11.77	0	0	0	0	2	0	0	0	0	4	2	0	42.27%	563	0	0	0.76	0	1	0	0	0	0	0	1
19	Jeremy Roy	Monsters (Clb)	D	82	4	16	20	21	113	15	138	21	37	18	21	10.81%	65	1279	15.61	0	4	4	8	91	0	0	0	0	44	1	0	0.00%	0	0	0	0.31	0	0	0	0	2	0	2	0
20	Zach Senyshyn	Monsters (Clb)	RW	81	7	4	11	-2	0	0	10	7	28	4	14	25.00%	4	132	1.63	3	2	5	17	38	0	0	0	0	1	2	0	15.00%	20	0	0	1.66	0	0	0	0	0	0	1	0
21	Keaton Middleton	Monsters (Clb)	D	50	3	4	7	9	34	0	57	5	8	2	7	37.50%	33	800	16.00	0	0	0	0	21	0	0	0	0	70	1	1	0.00%	0	0	0	0.17	0	0	0	0	0	0	1	1
22	Jerry D'Amigo	Monsters (Clb)	LW	3	0	0	0	-2	2	0	0	3	4	2	1	0.00%	3	35	11.84	0	0	0	0	0	0	0	0	0	0	0	0	0.00%	0	0	0	0.00	0	0	0	0	0	0	0	0
23	Mark Cundari	Monsters (Clb)	D	3	0	0	0	1	0	0	4	0	0	1	0	0.00%	2	42	14.28	0	0	0	0	3	0	0	0	0	3	0	0	0.00%	0	0	0	0.00	0	0	0	0	0	0	0	0
24	Reece Scarlett	Monsters (Clb)	D	2	0	0	0	1	4	0	3	0	0	0	0	0.00%	0	35	17.81	0	0	0	0	5	0	0	0	0	0	0	0	0.00%	0	0	0	0.00	0	0	0	0	0	0	0	0
25	Scott Kosmachuk	Monsters (Clb)	RW	1	0	0	0	0	0	0	0	0	0	0	0	0.00%	0	3	3.48	0	0	0	0	0	0	0	0	0	0	0	0	0.00%	0	0	0	0.00	0	0	0	0	0	0	0	0
26	Tanner Richard	Monsters (Clb)	C	2	0	0	0	-1	2	0	0	6	1	0	3	0.00%	0	24	12.28	0	0	0	0	0	0	0	0	0	0	0	0	46.67%	30	0	0	0.00	0	0	0	0	0	0	0	0
Stats d'équipe Total ou en Moyenne				1367	353	557	910	173	847	95	1434	1617	2722	821	2027	12.97%	585	21061	15.41	84	140	224	600	2719	1	3	4	32	1787	50	15	58.30%	5508	2	9	0.86	6	20	4	2	10	49	49	49

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	PS %	PSA	ST	BG	S1	S2	S3
1	Charlie Lindgren	Monsters (Clb)	82	47	25	7	0.877	3.42	4661	14	2	266	2167	6	0.632	19	82	0	3	1	4
2	Jean-Francois Berube	Monsters (Clb)	11	0	3	0	0.862	4.42	299	0	0	22	159	3	0.000	0	0	82	0	0	0
Stats d'équipe Total ou en Moyenne			93	47	28	7	0.876	3.48	4960	14	2	288	2326	9	0.632	19	82	82	3	1	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	Contrat	Status	Type	Salaire Actuel	Cap Salariale	Cap Salariale Restant	Exclus du Cap Salarial	Link
Adam Erne	Monsters (Clb)	LW/RW	22	1995-04-20	Yes	214 Lbs	6 ft1	No	No	No	2	Avec Restriction	Pro & Farm	865,000$	86,500$	0$	No	Lien
Adam Tambellini	Monsters (Clb)	C/LW	22	1994-11-01	Yes	169 Lbs	6 ft2	No	No	No	2	Avec Restriction	Pro & Farm	743,000$	74,300$	0$	No	Lien
Alexander Khokhlachev	Monsters (Clb)	C/LW	24	1993-09-09	No	181 Lbs	5 ft10	No	No	No	3	Avec Restriction	Pro & Farm	600,000$	60,000$	0$	No	Lien
Andrew Desjardins	Monsters (Clb)	C/LW/RW	31	1986-07-27	No	195 Lbs	6 ft1	No	No	No	2	Sans Restriction	Pro & Farm	850,000$	85,000$	0$	No	Lien
Charlie Lindgren (Sur la Masse Salariale)	Monsters (Clb)	G	23	1993-12-18	Yes	182 Lbs	6 ft1	No	No	No	2	Avec Restriction	Pro & Farm	925,000$	0$	0$	Yes	Lien
David Honzik	Monsters (Clb)	G	24	1993-08-09	Yes	209 Lbs	6 ft3	No	No	No	2	Avec Restriction	Pro & Farm	700,000$	70,000$	0$	No	Lien
Dominic Toninato	Monsters (Clb)	C	23	1994-05-09	Yes	200 Lbs	6 ft2	No	No	No	2	Avec Restriction	Pro & Farm	525,000$	52,500$	0$	No	Lien
Erik Burgdoerfer	Monsters (Clb)	D	28	1988-12-11	No	207 Lbs	6 ft1	No	No	No	1	Sans Restriction	Pro & Farm	500,000$	50,000$	0$	No	Lien
Jakub Kindl	Monsters (Clb)	D	30	1987-02-10	No	199 Lbs	6 ft3	No	No	No	1	Sans Restriction	Pro & Farm	1,200,000$	120,000$	0$	No	Lien
Jean-Francois Berube	Monsters (Clb)	G	26	1991-07-13	No	177 Lbs	6 ft1	No	No	No	2	Avec Restriction	Pro & Farm	575,000$	57,500$	0$	No	Lien
Jeremy Morin	Monsters (Clb)	LW/RW	26	1991-04-16	No	189 Lbs	6 ft1	No	No	No	2	Avec Restriction	Pro & Farm	825,000$	82,500$	0$	No	Lien
Jeremy Roy	Monsters (Clb)	D	20	1997-05-14	Yes	199 Lbs	6 ft0	No	No	No	3	Contrat d'Entrée	Pro & Farm	825,000$	82,500$	0$	No	Lien
Jerry D'Amigo	Monsters (Clb)	LW	26	1991-02-19	No	208 Lbs	5 ft11	No	No	No	2	Avec Restriction	Pro & Farm	550,000$	55,000$	0$	No	Lien
Julien Gauthier	Monsters (Clb)	RW	19	1997-10-15	Yes	225 Lbs	6 ft4	No	No	No	4	Contrat d'Entrée	Pro & Farm	925,000$	92,500$	0$	No	Lien
Kasper Bjorkqvist	Monsters (Clb)	LW/RW	20	1997-07-10	Yes	198 Lbs	6 ft1	No	No	No	4	Contrat d'Entrée	Pro & Farm	700,000$	70,000$	0$	No	Lien
Keaton Middleton	Monsters (Clb)	D	19	1998-02-10	Yes	235 Lbs	6 ft5	No	No	No	4	Contrat d'Entrée	Pro & Farm	715,000$	71,500$	0$	No	Lien
Marcus Kruger	Monsters (Clb)	C	27	1990-05-27	No	186 Lbs	6 ft0	No	No	No	1	Avec Restriction	Pro & Farm	1,000,000$	100,000$	0$	No	Lien
Mario Lucia	Monsters (Clb)	LW/RW	23	1994-07-22	Yes	187 Lbs	6 ft2	No	No	No	2	Avec Restriction	Pro & Farm	825,000$	82,500$	0$	No	Lien
Mark Cundari	Monsters (Clb)	D	27	1990-04-23	No	195 Lbs	5 ft9	No	No	No	1	Avec Restriction	Pro & Farm	500,000$	50,000$	0$	No	Lien
Maxim Kitsyn	Monsters (Clb)	LW	25	1991-12-24	Yes	194 Lbs	6 ft2	No	No	No	2	Avec Restriction	Pro & Farm	620,000$	62,000$	0$	No	Lien
Nick Sorensen	Monsters (Clb)	RW	22	1994-10-23	Yes	182 Lbs	6 ft1	No	No	No	2	Avec Restriction	Pro & Farm	792,000$	79,200$	0$	No	Lien
Rasmus Rissanen	Monsters (Clb)	D	26	1991-07-13	No	217 Lbs	6 ft3	No	No	No	1	Avec Restriction	Pro & Farm	650,000$	65,000$	0$	No	Lien
Reece Scarlett	Monsters (Clb)	D	24	1993-03-31	Yes	168 Lbs	6 ft1	No	No	No	2	Avec Restriction	Pro & Farm	600,000$	60,000$	0$	No	Lien
Scott Kosmachuk	Monsters (Clb)	RW	23	1994-01-24	No	185 Lbs	5 ft11	No	No	No	2	Avec Restriction	Pro & Farm	743,000$	74,300$	0$	No	Lien
Tanner Richard	Monsters (Clb)	C	24	1993-04-06	Yes	192 Lbs	6 ft0	No	No	No	2	Avec Restriction	Pro & Farm	675,000$	67,500$	0$	No	Lien
Teemu Pulkkinen	Monsters (Clb)	LW/RW	25	1992-01-02	No	185 Lbs	5 ft10	No	No	No	2	Avec Restriction	Pro & Farm	700,000$	70,000$	0$	No	Lien
William Carrier	Monsters (Clb)	LW/RW	22	1994-12-29	Yes	212 Lbs	6 ft2	No	No	No	2	Avec Restriction	Pro & Farm	640,000$	64,000$	0$	No	Lien
Zach Senyshyn	Monsters (Clb)	RW	20	1997-03-30	Yes	196 Lbs	6 ft3	No	No	No	3	Contrat d'Entrée	Pro & Farm	895,000$	89,500$	0$	No	Lien

Joueurs Total	Âge Moyen	Poids Moyen	Taille Moyenne	Contrat Moyen	Salaire Moyen 1e Année
28	23.96	196 Lbs	6 ft1	2.14	737,964$

Attaque à 5 contre 5
Ligne #	Ailier Gauche	Centre	Ailier Droit	% Temps	PHY	DF	OF
1		Marcus Kruger		40	1	2	2
2	William Carrier	Andrew Desjardins	Teemu Pulkkinen	30	1	2	2
3	Jeremy Morin	Dominic Toninato	Julien Gauthier	20	1	2	2
4			Nick Sorensen	10	1	2	2

Défense à 5 contre 5
Ligne #	Défense	Défense	% Temps	PHY	DF	OF
1		Jakub Kindl	40	1	2	2
2	Erik Burgdoerfer	Rasmus Rissanen	30	1	2	2
3	Jeremy Roy		20	1	2	2
4		Jakub Kindl	10	1	2	2

Attaque en Avantage Numérique
Ligne #	Ailier Gauche	Centre	Ailier Droit	% Temps	PHY	DF	OF
1		Marcus Kruger	Andrew Desjardins	60	1	2	2
2		Dominic Toninato	Teemu Pulkkinen	40	1	2	2

Défense en Avantage Numérique
Ligne #	Défense	Défense	% Temps	PHY	DF	OF
1		Jakub Kindl	60	1	2	2
2	Erik Burgdoerfer	Rasmus Rissanen	40	1	2	2

Attaque à 4 en Désavantage Numérique
Ligne #	Centre	Ailier	% Temps	PHY	DF	OF
1		Marcus Kruger	60	1	2	2
2	Andrew Desjardins		40	1	2	2

Défense à 4 en Désavantage Numérique
Ligne #	Défense	Défense	% Temps	PHY	DF	OF
1		Jakub Kindl	60	1	2	2
2	Erik Burgdoerfer	Rasmus Rissanen	40	1	2	2

3 joueurs en Désavantage Numérique
Ligne #	Ailier	% Temps	PHY	DF	OF	Défense	Défense	% Temps	PHY	DF	OF
1		60	1	2	2		Jakub Kindl	60	1	2	2
2	Marcus Kruger	40	1	2	2	Erik Burgdoerfer	Rasmus Rissanen	40	1	2	2

Attaque à 4 contre 4
Ligne #	Centre	Ailier	% Temps	PHY	DF	OF
1		Marcus Kruger	60	1	2	2
2	Andrew Desjardins		40	1	2	2

Défense à 4 contre 4
Ligne #	Défense	Défense	% Temps	PHY	DF	OF
1		Jakub Kindl	60	1	2	2
2	Erik Burgdoerfer	Rasmus Rissanen	40	1	2	2

Attaque Dernière Minute
Ailier Gauche	Centre	Ailier Droit	Défense	Défense
	Marcus Kruger	Andrew Desjardins		Jakub Kindl

Défense Dernière Minute
Ailier Gauche	Centre	Ailier Droit	Défense	Défense
	Marcus Kruger	Andrew Desjardins		Jakub Kindl

Attaquants Supplémentaires
Normal	Avantage Numérique	Désavantage Numérique
Nick Sorensen, Zach Senyshyn, William Carrier	Nick Sorensen, Zach Senyshyn	William Carrier

Défenseurs Supplémentaires
Normal	Avantage Numérique	Désavantage Numérique
Jeremy Roy, , Erik Burgdoerfer	Jeremy Roy	, Erik Burgdoerfer

Tirs de Pénalité
, Marcus Kruger, Andrew Desjardins, , Teemu Pulkkinen

Gardien
#1 : Charlie Lindgren, #2 : Jean-Francois Berube

Lignes d'Attaque Perso. en Prol.
, , , , , , , , , ,

Lignes de Défense Perso. en Prol.
, , , ,

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

	Ligue												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	0	2	0	0	0	0	0	6	10	-4	1	0	1	0	0	0	0	0	3	4	-1	1	0	1	0	0	0	0	0	3	6	-3	0	0.000	6	9	15	0	0	135	97	95	10	67	859	916	858	46	57	16	16	29	11	0	0.00%	6	3	50.00%	0	1393	2485	56.06%	1322	2377	55.62%	806	1440	55.97%	2054	1415	1824	614	1086	548
2	Baby Hawks	2	1	1	0	0	0	0	0	8	7	1	1	0	1	0	0	0	0	0	4	5	-1	1	1	0	0	0	0	0	0	4	2	2	2	0.500	8	13	21	0	0	135	97	95	10	52	859	916	858	46	47	18	24	41	8	2	25.00%	12	4	66.67%	0	1393	2485	56.06%	1322	2377	55.62%	806	1440	55.97%	2054	1415	1824	614	1086	548
3	Bears	4	2	2	0	0	0	0	0	19	19	0	2	1	1	0	0	0	0	0	10	11	-1	2	1	1	0	0	0	0	0	9	8	1	4	0.500	19	32	51	0	0	135	97	95	10	140	859	916	858	46	133	42	55	71	21	2	9.52%	24	6	75.00%	0	1393	2485	56.06%	1322	2377	55.62%	806	1440	55.97%	2054	1415	1824	614	1086	548
4	Bruins	3	2	1	0	0	0	0	0	12	10	2	2	2	0	0	0	0	0	0	9	3	6	1	0	1	0	0	0	0	0	3	7	-4	4	0.667	12	17	29	0	0	135	97	95	10	103	859	916	858	46	68	15	33	52	9	3	33.33%	13	4	69.23%	0	1393	2485	56.06%	1322	2377	55.62%	806	1440	55.97%	2054	1415	1824	614	1086	548
5	Cabaret Lady Mary Ann	3	2	0	0	1	0	0	0	17	11	6	1	1	0	0	0	0	0	0	7	3	4	2	1	0	0	1	0	0	0	10	8	2	6	1.000	17	28	45	0	0	135	97	95	10	132	859	916	858	46	98	26	20	64	12	2	16.67%	10	2	80.00%	0	1393	2485	56.06%	1322	2377	55.62%	806	1440	55.97%	2054	1415	1824	614	1086	548
6	Caroline	4	2	2	0	0	0	0	0	22	15	7	2	1	1	0	0	0	0	0	9	6	3	2	1	1	0	0	0	0	0	13	9	4	4	0.500	22	39	61	0	0	135	97	95	10	158	859	916	858	46	119	27	27	72	18	6	33.33%	10	2	80.00%	0	1393	2485	56.06%	1322	2377	55.62%	806	1440	55.97%	2054	1415	1824	614	1086	548
7	Chiefs	2	1	1	0	0	0	0	0	9	6	3	1	1	0	0	0	0	0	0	7	3	4	1	0	1	0	0	0	0	0	2	3	-1	2	0.500	9	15	24	0	0	135	97	95	10	59	859	916	858	46	45	12	24	33	5	2	40.00%	12	3	75.00%	0	1393	2485	56.06%	1322	2377	55.62%	806	1440	55.97%	2054	1415	1824	614	1086	548
8	Chill	2	0	1	0	0	1	0	0	5	7	-2	1	0	0	0	0	1	0	0	4	5	-1	1	0	1	0	0	0	0	0	1	2	-1	1	0.250	5	8	13	0	0	135	97	95	10	40	859	916	858	46	59	21	20	39	6	1	16.67%	10	1	90.00%	0	1393	2485	56.06%	1322	2377	55.62%	806	1440	55.97%	2054	1415	1824	614	1086	548
9	Comets	2	2	0	0	0	0	0	0	11	4	7	1	1	0	0	0	0	0	0	4	3	1	1	1	0	0	0	0	0	0	7	1	6	4	1.000	11	19	30	0	0	135	97	95	10	84	859	916	858	46	40	7	26	31	9	3	33.33%	13	3	76.92%	0	1393	2485	56.06%	1322	2377	55.62%	806	1440	55.97%	2054	1415	1824	614	1086	548
10	Cougars	3	0	3	0	0	0	0	0	12	24	-12	1	0	1	0	0	0	0	0	3	7	-4	2	0	2	0	0	0	0	0	9	17	-8	0	0.000	12	21	33	0	0	135	97	95	10	98	859	916	858	46	97	31	36	55	14	3	21.43%	18	8	55.56%	0	1393	2485	56.06%	1322	2377	55.62%	806	1440	55.97%	2054	1415	1824	614	1086	548
11	Crunch	3	1	1	0	1	0	0	0	12	8	4	2	1	0	0	1	0	0	0	9	4	5	1	0	1	0	0	0	0	0	3	4	-1	4	0.667	12	20	32	0	0	135	97	95	10	93	859	916	858	46	81	36	34	58	12	4	33.33%	17	1	94.12%	0	1393	2485	56.06%	1322	2377	55.62%	806	1440	55.97%	2054	1415	1824	614	1086	548
12	Heat	2	1	0	0	0	0	0	1	7	6	1	1	0	0	0	0	0	0	1	4	5	-1	1	1	0	0	0	0	0	0	3	1	2	3	0.750	7	13	20	0	0	135	97	95	10	63	859	916	858	46	50	15	43	32	12	1	8.33%	12	2	83.33%	0	1393	2485	56.06%	1322	2377	55.62%	806	1440	55.97%	2054	1415	1824	614	1086	548
13	Jayhawks	2	0	2	0	0	0	0	0	3	6	-3	1	0	1	0	0	0	0	0	2	3	-1	1	0	1	0	0	0	0	0	1	3	-2	0	0.000	3	6	9	0	0	135	97	95	10	56	859	916	858	46	65	16	25	32	5	1	20.00%	7	2	71.43%	0	1393	2485	56.06%	1322	2377	55.62%	806	1440	55.97%	2054	1415	1824	614	1086	548
14	Las Vegas	2	2	0	0	0	0	0	0	11	6	5	1	1	0	0	0	0	0	0	5	3	2	1	1	0	0	0	0	0	0	6	3	3	4	1.000	11	18	29	0	0	135	97	95	10	56	859	916	858	46	57	18	41	31	13	4	30.77%	13	3	76.92%	0	1393	2485	56.06%	1322	2377	55.62%	806	1440	55.97%	2054	1415	1824	614	1086	548
15	Manchots	4	3	1	0	0	0	0	0	12	10	2	2	2	0	0	0	0	0	0	8	6	2	2	1	1	0	0	0	0	0	4	4	0	6	0.750	12	20	32	0	0	135	97	95	10	124	859	916	858	46	110	32	42	79	16	1	6.25%	20	0	100.00%	1	1393	2485	56.06%	1322	2377	55.62%	806	1440	55.97%	2054	1415	1824	614	1086	548
16	Marlies	3	0	2	0	0	0	0	1	10	13	-3	2	0	1	0	0	0	0	1	8	10	-2	1	0	1	0	0	0	0	0	2	3	-1	1	0.167	10	14	24	0	0	135	97	95	10	77	859	916	858	46	95	20	37	66	18	5	27.78%	10	2	80.00%	0	1393	2485	56.06%	1322	2377	55.62%	806	1440	55.97%	2054	1415	1824	614	1086	548
17	Minnesota	2	1	0	0	1	0	0	0	13	10	3	1	0	0	0	1	0	0	0	6	5	1	1	1	0	0	0	0	0	0	7	5	2	4	1.000	13	20	33	0	0	135	97	95	10	61	859	916	858	46	61	14	23	42	7	1	14.29%	9	2	77.78%	0	1393	2485	56.06%	1322	2377	55.62%	806	1440	55.97%	2054	1415	1824	614	1086	548
18	Monarchs	2	1	0	0	0	0	1	0	10	7	3	1	1	0	0	0	0	0	0	5	3	2	1	0	0	0	0	0	1	0	5	4	1	4	1.000	10	17	27	0	0	135	97	95	10	70	859	916	858	46	81	21	20	49	10	2	20.00%	10	3	70.00%	0	1393	2485	56.06%	1322	2377	55.62%	806	1440	55.97%	2054	1415	1824	614	1086	548
19	Monsters	2	1	0	0	0	1	0	0	8	7	1	1	1	0	0	0	0	0	0	4	2	2	1	0	0	0	0	1	0	0	4	5	-1	3	0.750	8	14	22	0	0	135	97	95	10	56	859	916	858	46	68	13	22	33	8	2	25.00%	11	1	90.91%	0	1393	2485	56.06%	1322	2377	55.62%	806	1440	55.97%	2054	1415	1824	614	1086	548
20	Oceanics	2	0	2	0	0	0	0	0	4	12	-8	1	0	1	0	0	0	0	0	1	5	-4	1	0	1	0	0	0	0	0	3	7	-4	0	0.000	4	7	11	0	0	135	97	95	10	45	859	916	858	46	75	21	30	28	5	0	0.00%	7	3	57.14%	0	1393	2485	56.06%	1322	2377	55.62%	806	1440	55.97%	2054	1415	1824	614	1086	548
21	Oil Kings	2	2	0	0	0	0	0	0	8	1	7	1	1	0	0	0	0	0	0	5	1	4	1	1	0	0	0	0	0	0	3	0	3	4	1.000	8	16	24	0	1	135	97	95	10	63	859	916	858	46	54	17	18	33	7	2	28.57%	8	1	87.50%	1	1393	2485	56.06%	1322	2377	55.62%	806	1440	55.97%	2054	1415	1824	614	1086	548
22	Phantoms	4	4	0	0	0	0	0	0	19	12	7	2	2	0	0	0	0	0	0	10	6	4	2	2	0	0	0	0	0	0	9	6	3	8	1.000	19	29	48	0	0	135	97	95	10	129	859	916	858	46	67	20	38	86	17	7	41.18%	19	2	89.47%	0	1393	2485	56.06%	1322	2377	55.62%	806	1440	55.97%	2054	1415	1824	614	1086	548
23	Rocket	3	2	1	0	0	0	0	0	10	8	2	2	2	0	0	0	0	0	0	8	5	3	1	0	1	0	0	0	0	0	2	3	-1	4	0.667	10	14	24	0	0	135	97	95	10	96	859	916	858	46	53	6	16	53	14	3	21.43%	8	0	100.00%	0	1393	2485	56.06%	1322	2377	55.62%	806	1440	55.97%	2054	1415	1824	614	1086	548
24	Senators	3	2	1	0	0	0	0	0	12	10	2	1	1	0	0	0	0	0	0	4	3	1	2	1	1	0	0	0	0	0	8	7	1	4	0.667	12	20	32	0	0	135	97	95	10	95	859	916	858	46	66	13	43	50	13	5	38.46%	19	2	89.47%	0	1393	2485	56.06%	1322	2377	55.62%	806	1440	55.97%	2054	1415	1824	614	1086	548
25	Sharks	2	0	1	0	0	0	0	1	6	10	-4	1	0	1	0	0	0	0	0	3	6	-3	1	0	0	0	0	0	0	1	3	4	-1	1	0.250	6	11	17	0	0	135	97	95	10	86	859	916	858	46	97	24	12	38	6	1	16.67%	6	2	66.67%	0	1393	2485	56.06%	1322	2377	55.62%	806	1440	55.97%	2054	1415	1824	614	1086	548
26	Sound Tigers	4	3	0	0	0	1	0	0	15	8	7	2	2	0	0	0	0	0	0	8	3	5	2	1	0	0	0	1	0	0	7	5	2	7	0.875	15	26	41	0	1	135	97	95	10	110	859	916	858	46	112	19	27	55	31	7	22.58%	11	1	90.91%	0	1393	2485	56.06%	1322	2377	55.62%	806	1440	55.97%	2054	1415	1824	614	1086	548
27	Spiders	4	1	2	0	0	0	0	1	12	17	-5	2	1	1	0	0	0	0	0	6	8	-2	2	0	1	0	0	0	0	1	6	9	-3	3	0.375	12	22	34	0	0	135	97	95	10	110	859	916	858	46	114	30	40	61	21	6	28.57%	20	5	75.00%	0	1393	2485	56.06%	1322	2377	55.62%	806	1440	55.97%	2054	1415	1824	614	1086	548
28	Stars	2	0	1	0	0	0	1	0	4	5	-1	1	0	1	0	0	0	0	0	2	4	-2	1	0	0	0	0	0	1	0	2	1	1	2	0.500	4	4	8	0	0	135	97	95	10	56	859	916	858	46	41	14	22	34	8	1	12.50%	6	1	83.33%	0	1393	2485	56.06%	1322	2377	55.62%	806	1440	55.97%	2054	1415	1824	614	1086	548
29	Thunder	3	1	1	0	1	0	0	0	9	8	1	1	0	0	0	1	0	0	0	2	1	1	2	1	1	0	0	0	0	0	7	7	0	4	0.667	9	15	24	0	0	135	97	95	10	80	859	916	858	46	75	25	16	55	16	2	12.50%	8	2	75.00%	0	1393	2485	56.06%	1322	2377	55.62%	806	1440	55.97%	2054	1415	1824	614	1086	548
	Total	82	41	28	0	4	3	2	4	333	292	41	41	24	11	0	3	1	0	2	174	142	32	41	17	17	0	1	2	2	2	159	150	9	101	0.616	333	556	889	0	2	135	97	95	10	2659	859	916	858	46	2326	627	858	1479	367	82	22.34%	358	71	80.17%	2	1393	2485	56.06%	1322	2377	55.62%	806	1440	55.97%	2054	1415	1824	614	1086	548
31	Wolf Pack	4	4	0	0	0	0	0	0	27	15	12	2	2	0	0	0	0	0	0	14	9	5	2	2	0	0	0	0	0	0	13	6	7	8	1.000	27	49	76	0	0	135	97	95	10	200	859	916	858	46	141	38	28	77	15	3	20.00%	9	0	100.00%	0	1393	2485	56.06%	1322	2377	55.62%	806	1440	55.97%	2054	1415	1824	614	1086	548
	_Since Last GM Reset	82	41	28	0	4	3	2	4	333	292	41	41	24	11	0	3	1	0	2	174	142	32	41	17	17	0	1	2	2	2	159	150	9	101	0.616	333	556	889	0	2	135	97	95	10	2659	859	916	858	46	2326	627	858	1479	367	82	22.34%	358	71	80.17%	2	1393	2485	56.06%	1322	2377	55.62%	806	1440	55.97%	2054	1415	1824	614	1086	548
	_Vs Conference	46	23	16	0	1	2	1	3	178	168	10	23	14	6	0	1	1	0	1	95	83	12	23	9	10	0	0	1	1	2	83	85	-2	55	0.598	178	296	474	0	1	135	97	95	10	1476	859	916	858	46	1350	357	457	835	215	45	20.93%	192	36	81.25%	1	1393	2485	56.06%	1322	2377	55.62%	806	1440	55.97%	2054	1415	1824	614	1086	548
	_Vs Division	28	12	2	0	0	1	0	1	126	96	30	14	7	1	0	0	0	0	0	65	49	16	14	5	1	0	0	1	0	1	61	47	14	26	0.464	126	217	343	0	1	135	97	95	10	971	859	916	858	46	796	208	257	501	139	32	23.02%	113	16	85.84%	1	1393	2485	56.06%	1322	2377	55.62%	806	1440	55.97%	2054	1415	1824	614	1086	548

			Total Pour les Joueurs
Matchs Joués	Points	Séquence	Buts	Passes	Points	Tirs Pour	Tirs Contre	Tirs Bloqués	Minutes de Pénalité	Mises en Échec	Buts en Filet Désert	Blanchissage
82	101	L1	333	556	889	2659	2326	627	858	1479	0	2

Tous les Matchs
GP	W	L	OTW	OTL	SOW	SOL	GF	GA
82	41	28	4	3	2	4	333	292

Matchs locaux
GP	W	L	OTW	OTL	SOW	SOL	GF	GA
41	24	11	3	1	0	2	174	142

Matchs Éxtérieurs
GP	W	L	OTW	OTL	SOW	SOL	GF	GA
41	17	17	1	2	2	2	159	150

Derniers 10 Matchs
W	L	OTW	OTL	SOW	SOL
7	3	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
367	82	22.34%	358	71	80.17%	2

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
859	916	858	46	135	97	95	10

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
1393	2485	56.06%	1322	2377	55.62%	806	1440	55.97%

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
2054	1415	1824	614	1086	548

Derniers Match Joués

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
2 - 2018-10-04	10	Monsters	2	Cougars	9	L			Sommaire du Match
3 - 2018-10-05	15	Caroline	4	Monsters	3	L			Sommaire du Match
7 - 2018-10-09	38	Monsters	2	Monsters	4	W			Sommaire du Match
9 - 2018-10-11	47	Monsters	6	Cabaret Lady Mary Ann	5	W	X		Sommaire du Match
11 - 2018-10-13	63	Monsters	5	Thunder	4	W			Sommaire du Match
16 - 2018-10-18	92	Phantoms	2	Monsters	5	W			Sommaire du Match
18 - 2018-10-20	109	Baby Hawks	5	Monsters	4	L			Sommaire du Match
21 - 2018-10-23	123	Jayhawks	3	Monsters	2	L			Sommaire du Match
23 - 2018-10-25	137	Monsters	2	Chiefs	3	L			Sommaire du Match
25 - 2018-10-27	154	Crunch	3	Monsters	4	W	X		Sommaire du Match
28 - 2018-10-30	170	Cougars	7	Monsters	3	L			Sommaire du Match
30 - 2018-11-01	191	Monsters	3	Sharks	4	L	X	X	Sommaire du Match
32 - 2018-11-03	205	Monsters	5	Monarchs	4	W	X	X	Sommaire du Match
33 - 2018-11-04	209	Monsters	3	Admirals	6	L			Sommaire du Match
35 - 2018-11-06	217	Stars	4	Monsters	2	L			Sommaire du Match
38 - 2018-11-09	237	Monsters	5	Bears	3	W			Sommaire du Match
39 - 2018-11-10	251	Wolf Pack	2	Monsters	5	W			Sommaire du Match
41 - 2018-11-12	262	Monsters	2	Stars	1	W	X	X	Sommaire du Match
44 - 2018-11-15	280	Cabaret Lady Mary Ann	3	Monsters	7	W			Sommaire du Match
46 - 2018-11-17	298	Monsters	4	Caroline	5	L			Sommaire du Match
48 - 2018-11-19	308	Monsters	2	Marlies	3	L			Sommaire du Match
52 - 2018-11-23	339	Marlies	5	Monsters	4	L			Sommaire du Match
53 - 2018-11-24	354	Monsters	2	Manchots	1	W			Sommaire du Match
55 - 2018-11-26	366	Monsters	7	Cougars	8	L			Sommaire du Match
58 - 2018-11-29	383	Minnesota	5	Monsters	6	W	X		Sommaire du Match
60 - 2018-12-01	402	Monsters	4	Sound Tigers	1	W			Sommaire du Match
63 - 2018-12-04	420	Heat	5	Monsters	4	L	X	X	Sommaire du Match
65 - 2018-12-06	431	Monsters	4	Phantoms	2	W			Sommaire du Match
67 - 2018-12-08	451	Bears	5	Monsters	6	W			Sommaire du Match
70 - 2018-12-11	469	Comets	3	Monsters	4	W			Sommaire du Match
72 - 2018-12-13	480	Monarchs	3	Monsters	5	W			Sommaire du Match
74 - 2018-12-15	501	Admirals	4	Monsters	3	L			Sommaire du Match
76 - 2018-12-17	513	Las Vegas	3	Monsters	5	W			Sommaire du Match
79 - 2018-12-20	535	Spiders	5	Monsters	2	L			Sommaire du Match
81 - 2018-12-22	546	Monsters	5	Phantoms	4	W			Sommaire du Match
82 - 2018-12-23	559	Monsters	3	Spiders	4	L	X	X	Sommaire du Match
86 - 2018-12-27	568	Monsters	5	Wolf Pack	2	W			Sommaire du Match
87 - 2018-12-28	582	Marlies	5	Monsters	4	L	X	X	Sommaire du Match
90 - 2018-12-31	605	Senators	3	Monsters	4	W			Sommaire du Match
94 - 2019-01-04	631	Monsters	9	Caroline	4	W			Sommaire du Match
95 - 2019-01-05	641	Monsters	4	Cabaret Lady Mary Ann	3	W			Sommaire du Match
98 - 2019-01-08	663	Monsters	2	Thunder	3	L			Sommaire du Match
100 - 2019-01-10	675	Chill	5	Monsters	4	L	X		Sommaire du Match
102 - 2019-01-12	692	Monsters	4	Bears	5	L			Sommaire du Match
103 - 2019-01-13	701	Wolf Pack	7	Monsters	9	W			Sommaire du Match
105 - 2019-01-15	713	Spiders	3	Monsters	4	W			Sommaire du Match
108 - 2019-01-18	734	Rocket	2	Monsters	4	W			Sommaire du Match
109 - 2019-01-19	748	Monsters	7	Minnesota	5	W			Sommaire du Match
119 - 2019-01-29	775	Crunch	1	Monsters	5	W			Sommaire du Match
121 - 2019-01-31	780	Monsters	3	Oceanics	7	L			Sommaire du Match
123 - 2019-02-02	797	Chiefs	3	Monsters	7	W			Sommaire du Match
126 - 2019-02-05	819	Monsters	4	Monsters	5	L	X		Sommaire du Match
128 - 2019-02-07	836	Monsters	1	Jayhawks	3	L			Sommaire du Match
130 - 2019-02-09	851	Monsters	6	Las Vegas	3	W			Sommaire du Match
133 - 2019-02-12	866	Bears	6	Monsters	4	L			Sommaire du Match
135 - 2019-02-14	878	Sound Tigers	0	Monsters	4	W			Sommaire du Match
137 - 2019-02-16	900	Monsters	4	Baby Hawks	2	W			Sommaire du Match
139 - 2019-02-18	911	Thunder	1	Monsters	2	W	X		Sommaire du Match
140 - 2019-02-19	920	Monsters	2	Rocket	3	L			Sommaire du Match
143 - 2019-02-22	940	Monsters	5	Senators	2	W			Sommaire du Match
144 - 2019-02-23	950	Sharks	6	Monsters	3	L			Sommaire du Match
147 - 2019-02-26	973	Manchots	2	Monsters	3	W			Sommaire du Match
Date Limite d'Échange --- Les échange ne peuvent plus se faire après la simulation de cette journée!
149 - 2019-02-28	986	Phantoms	4	Monsters	5	W			Sommaire du Match
151 - 2019-03-02	999	Oil Kings	1	Monsters	5	W			Sommaire du Match
152 - 2019-03-03	1014	Oceanics	5	Monsters	1	L			Sommaire du Match
154 - 2019-03-05	1020	Monsters	3	Spiders	5	L			Sommaire du Match
156 - 2019-03-07	1034	Monsters	2	Manchots	3	L			Sommaire du Match
158 - 2019-03-09	1055	Manchots	4	Monsters	5	W			Sommaire du Match
160 - 2019-03-11	1066	Monsters	3	Sound Tigers	4	L	X		Sommaire du Match
161 - 2019-03-12	1074	Bruins	2	Monsters	3	W			Sommaire du Match
164 - 2019-03-15	1094	Caroline	2	Monsters	6	W			Sommaire du Match
165 - 2019-03-16	1103	Monsters	3	Bruins	7	L			Sommaire du Match
168 - 2019-03-19	1131	Monsters	3	Heat	1	W			Sommaire du Match
170 - 2019-03-21	1145	Monsters	3	Oil Kings	0	W			Sommaire du Match
173 - 2019-03-24	1168	Monsters	7	Comets	1	W			Sommaire du Match
175 - 2019-03-26	1179	Sound Tigers	3	Monsters	4	W			Sommaire du Match
177 - 2019-03-28	1191	Rocket	3	Monsters	4	W			Sommaire du Match
179 - 2019-03-30	1210	Monsters	1	Chill	2	L			Sommaire du Match
180 - 2019-03-31	1218	Monsters	3	Crunch	4	L			Sommaire du Match
182 - 2019-04-02	1230	Bruins	1	Monsters	6	W			Sommaire du Match
185 - 2019-04-05	1254	Monsters	8	Wolf Pack	4	W			Sommaire du Match
186 - 2019-04-06	1260	Monsters	3	Senators	5	L			Sommaire du Match

Capacité de l'Aréna - Tendance du Prix des Billets - %
	Niveau 1	Niveau 2
Capacité de l'Aréna	2000	1000
Prix des Billets	35	15
Assistance	62,219	30,523
Assistance PCT	75.88%	74.45%

Revenus
Matchs à domicile Restants	Assistance Moyenne - %	Revenus Moyen par Match	Revenus Annuels à ce Jour	Capacité de l'Aréna	Popularité de l'Équipe
0	2262 - 75.40%	64,281$	2,635,510$	3000	100

Dépenses
Dépenses Annuelles à Ce Jour	Salaire Total des Joueurs	Salaire Total Moyen des Joueurs	Salaire des Coachs
2,239,865$	2,066,300$	2,066,300$	0$

Cap Salarial Par Jour	Cap salarial à ce jour	Joueurs Inclut dans la Cap Salariale	Joueurs Exclut dans la Cap Salariale
10,555$	2,147,344$	27	1

Éstimation
Revenus de la Saison Éstimés	Jours Restants de la Saison	Dépenses Par Jour	Dépenses de la Saison Éstimées
0$	0	11,050$	0$

Afficher ou Masquer des Colonnes

	Ligue											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
2018	82	41	28	0	4	3	2	4	333	292	41	41	24	11	0	3	1	0	2	174	142	32	41	17	17	0	1	2	2	2	159	150	9	101	333	556	889	0	2	135	97	95	10	2659	859	916	858	46	2326	627	858	1479	367	82	22.34%	358	71	80.17%	2	1393	2485	56.06%	1322	2377	55.62%	806	1440	55.97%	2054	1415	1824	614	1086	548
Total Saison Régulière	82	41	28	0	4	3	2	4	333	292	41	41	24	11	0	3	1	0	2	174	142	32	41	17	17	0	1	2	2	2	159	150	9	101	333	556	889	0	2	135	97	95	10	2659	859	916	858	46	2326	627	858	1479	367	82	22.34%	358	71	80.17%	2	1393	2485	56.06%	1322	2377	55.62%	806	1440	55.97%	2054	1415	1824	614	1086	548