LHSDB - Monsters

Columbus Blue Jackets
Formation
Points
Informations Joueurs
Lignes
Statistiques d'Équipe
Calendrier
Finance
Stats d'équipe en Carrière
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	Oscar Lindberg	X				100.00	84	55	76	78	80	78	82	71	81	63	70	76	55	71	68	1	83	70	0
2	Dylan Strome (R)	X				100.00	63	55	70	82	75	70	70	79	73	70	70	65	55	73	72	1	82	69	0
3	Nick Cousins	X				100.00	77	55	73	75	69	66	67	76	68	65	73	78	55	65	64	1	83	68	0
4	Oskar Lindblom (R)		X			100.00	76	55	71	84	70	72	73	76	50	63	65	65	55	70	70	1	82	67	0
5	Chris Kelly	X				100.00	68	55	78	75	77	68	67	64	50	62	60	61	55	75	75	1	83	63	0
6	Nikita Soshnikov			X		100.00	84	55	78	81	67	62	64	65	50	60	61	62	55	52	52	1	82	62	0
7	Daniel Catenacci			X		100.00	59	55	72	62	66	62	69	55	50	55	55	60	55	75	74	1	82	58	0
8	Daniel Audette		X			100.00	58	55	72	67	62	59	69	55	50	55	55	59	55	71	75	1	82	58	0
9	Nick Tarnasky		X			100.00	74	55	58	63	81	79	64	55	50	55	55	55	55	64	65	1	82	58	0
10	Mike Brown			X		100.00	60	55	66	69	75	69	54	55	50	55	55	55	55	69	70	1	82	58	0
11	Zack Stortini	X				100.00	64	55	57	61	81	79	74	55	50	55	55	55	55	65	65	1	82	58	0
12	Ryan Haggerty			X		100.00	71	55	69	68	75	69	66	55	50	55	55	55	55	50	50	1	82	57	0
13	Colin White (R)	X				100.00	56	55	55	55	56	57	57	66	60	55	55	55	55	73	71	1	80	56	0
14	Tim Bozon		X			100.00	74	55	67	62	74	68	64	55	50	55	55	55	55	50	50	1	28	56	0
15	Madison Bowey				X	100.00	79	55	79	86	69	74	64	78	25	71	60	75	55	78	78	1	82	71	0
16	Ryan Sproul				X	100.00	68	55	66	76	67	79	64	74	25	64	62	68	55	70	70	1	68	66	0
17	Brian Lashoff				X	100.00	55	55	55	60	55	55	78	55	25	55	55	55	55	60	61	1	82	56	0
18	Ville Pokka				X	100.00	55	55	57	60	57	57	76	57	25	57	57	57	55	53	53	1	82	56	0
19	Mike Weber				X	100.00	55	55	55	60	55	55	62	55	25	55	55	55	55	69	70	1	31	55	0
Rayé
1	Quinton Howden	X				100.00	56	55	63	65	68	66	69	55	50	55	55	55	55	56	56	1	20	56	0
2	Matt Buckles (R)	X				100.00	82	55	82	55	79	54	54	55	50	55	55	55	55	50	50	1	20	55	0
3	Akim Aliu (R)			X		100.00	56	55	55	55	58	59	60	55	50	55	55	55	55	75	75	1	20	55	0
4	Brandon Alderson			X		100.00	56	55	55	55	57	58	59	55	50	55	55	55	55	74	72	1	20	54	0
5	Buddy Robinson			X		100.00	56	55	55	55	57	58	58	55	50	55	55	55	55	74	72	1	20	54	0
6	Cody Kunyk (R)			X		100.00	56	55	55	55	57	58	58	55	50	55	55	55	55	73	71	1	20	54	0
7	Zach O'Brien (R)			X		100.00	70	55	68	55	54	61	68	55	50	55	55	55	55	50	50	1	20	54	0
8	Emil Pettersson (R)	X				100.00	55	55	55	55	55	55	55	55	50	55	55	55	55	75	71	1	20	54	0
9	Stephen MacAulay (R)	X				100.00	56	55	59	62	68	66	54	55	50	55	55	55	55	50	50	1	20	54	0
10	Lauri Korpikoski		X			100.00	55	55	55	55	55	55	55	55	50	55	55	55	55	74	73	1	20	54	0
11	Joshua Winquist		X			100.00	56	55	55	55	55	56	55	55	50	55	55	55	55	50	50	1	20	52	0
12	Olivier Archambault (R)		X			100.00	55	55	62	55	54	54	54	55	50	55	55	55	55	50	50	1	20	52	0
13	Mike Sislo			X		100.00	56	55	55	55	55	55	55	55	50	55	55	55	55	50	50	1	20	52	0
14	Kyle Burroughs				X	100.00	56	55	56	60	56	56	63	56	25	56	56	56	55	53	53	1	20	54	0
15	Robin Norell (R)				X	100.00	55	55	55	60	55	55	67	55	25	55	55	55	55	53	53	1	20	54	0
16	Jeremy Roy (R)				X	100.00	56	55	55	60	55	55	56	55	25	55	55	55	55	62	62	1	20	54	0
17	Will O'Neill				X	100.00	57	55	55	60	55	55	67	55	25	55	55	55	55	53	53	1	20	54	0
18	Josiah Didier				X	100.00	55	55	55	60	55	55	59	55	25	55	55	55	55	53	53	1	20	53	0
19	John Negrin				X	100.00	55	55	55	60	55	55	58	55	25	55	55	55	55	53	53	1	20	53	0
20	Brennan Menell (R)				X	100.00	55	55	55	60	55	55	56	55	25	55	55	55	55	55	55	1	20	53	0

	MOYENNE D'ÉQUIPE					100.00	62	55	62	63	63	62	63	59	44	57	57	58	55	62	62	1	47	57

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	Jack Campbell	100.00	73	77	83	73	70	70	75	70	67	71	55	69	67	1	78	70	0
2	Eamon McAdam	100.00	62	70	70	79	65	65	65	65	68	64	55	60	62	1	82	65	0
Rayé
1	Jeff Malcolm	100.00	54	64	59	71	58	58	58	58	59	58	55	54	56	1	19	58	0
2	Marcus Hogberg	100.00	55	55	55	55	55	55	55	55	55	55	55	65	65	1	20	55	0
3	Filip Gustavsson (R)	100.00	55	55	55	55	55	55	55	55	55	55	55	50	60	1	20	54	0

	MOYENNE D'ÉQUIPE	100.00	60	64	64	67	61	61	62	61	61	61	55	60	62	1	44	60

Nom du Coach	PH	DF	OF	PD	EX	LD	PO	CNT	Âge	Contrat	Salaire
Randy Ladouceur	42	62	67	38	80	70	60	CAN	56	4	100,000$

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	PSG	PSS	FW	FL	FT	S1	S2	S3
1	Oscar Lindberg	Monsters (Clb)	C	76	29	51	80	17	91	5	157	211	271	72	159	10.70%	33	1754	23.09	16	28	44	100	401	2	1	3	11	345	7	0	66.54%	1629	0	2	0.91	1	7	0	0	1	6	6	4
2	Oskar Lindblom	Monsters (Clb)	LW	76	30	34	64	7	44	0	79	110	242	49	126	12.40%	8	1279	16.84	10	23	33	81	408	1	0	1	6	82	5	0	51.46%	103	1	1	1.00	0	2	0	0	0	2	4	4
3	Madison Bowey	Monsters (Clb)	D	66	15	49	64	10	110	10	146	102	118	31	80	12.71%	70	1653	25.06	11	24	35	84	307	0	0	0	2	233	3	1	0.00%	0	0	0	0.77	0	0	1	0	1	4	2	5
4	Dylan Strome	Monsters (Clb)	C	72	27	24	51	19	18	0	43	190	229	52	169	11.79%	15	1242	17.25	7	9	16	50	221	2	0	2	6	185	5	2	64.29%	1235	0	0	0.82	0	5	0	0	0	3	8	7
5	Ryan Sproul	Monsters (Clb)	D	53	10	41	51	31	78	0	86	66	83	34	65	12.05%	47	1271	23.99	7	12	19	51	244	0	2	2	0	191	2	2	0.00%	0	0	0	0.80	0	0	0	0	0	2	7	4
6	Nick Cousins	Monsters (Clb)	C	75	28	21	49	15	66	0	115	152	212	52	147	13.21%	32	1253	16.71	10	6	16	59	190	0	1	1	7	191	7	2	61.26%	697	0	0	0.78	1	5	0	0	0	6	5	2
7	Nikita Soshnikov	Monsters (Clb)	RW	76	14	28	42	13	66	0	119	98	149	45	124	9.40%	11	1264	16.64	5	11	16	44	381	0	0	0	0	0	1	1	45.00%	80	0	0	0.66	0	0	0	0	0	2	3	4
8	Jake Virtanen	Columbus Blue Jackets	RW	36	11	26	37	7	55	5	76	100	139	38	113	7.91%	13	859	23.88	4	10	14	40	183	0	1	1	10	149	3	0	55.11%	372	1	1	0.86	2	5	0	1	0	3	5	2
9	Daniel Audette	Monsters (Clb)	LW	76	8	21	29	5	21	5	34	47	76	30	73	10.53%	9	1079	14.20	4	7	11	15	231	0	0	0	0	5	4	0	50.91%	55	0	0	0.54	0	0	0	1	0	0	2	3
10	Nick Tarnasky	Monsters (Clb)	LW	76	9	11	20	28	103	15	97	35	57	22	37	15.79%	3	1022	13.46	3	3	6	12	135	0	0	0	0	5	2	0	47.06%	51	0	0	0.39	0	0	0	1	2	2	0	1
11	Daniel Catenacci	Monsters (Clb)	RW	76	11	7	18	6	14	0	40	44	95	32	49	11.58%	9	950	12.51	3	2	5	18	108	0	0	0	0	19	2	1	37.50%	56	0	1	0.38	0	0	0	0	0	2	1	2
12	Chris Kelly	Monsters (Clb)	C	76	7	9	16	5	27	5	28	60	77	35	59	9.09%	11	602	7.93	1	1	2	9	35	0	0	0	1	71	0	0	53.87%	375	0	0	0.53	1	1	0	0	1	0	1	1
13	Mike Brown	Monsters (Clb)	RW	76	5	10	15	10	18	0	26	33	55	16	39	9.09%	1	651	8.57	1	0	1	2	40	0	0	0	0	0	1	0	43.59%	39	0	0	0.46	0	0	0	0	0	0	0	0
14	Brian Lashoff	Monsters (Clb)	D	76	3	11	14	12	83	5	93	20	31	10	20	9.68%	59	1467	19.31	2	3	5	15	233	0	0	0	0	219	0	0	0.00%	0	0	0	0.19	0	0	0	1	0	0	2	1
15	Ville Pokka	Monsters (Clb)	D	71	3	11	14	13	56	10	75	30	26	9	19	11.54%	45	1517	21.37	2	3	5	16	274	0	1	1	0	234	0	0	0.00%	0	0	0	0.18	0	0	0	1	1	1	0	0
16	Colin White	Monsters (Clb)	C	50	1	8	9	10	10	0	17	20	13	3	10	7.69%	9	436	8.74	0	1	1	2	47	0	0	0	3	145	1	0	58.95%	95	0	0	0.41	0	0	0	0	0	0	0	1
17	Mike Weber	Monsters (Clb)	D	15	1	4	5	7	9	5	14	4	5	4	2	20.00%	9	260	17.39	1	1	2	2	29	0	0	0	0	36	0	0	0.00%	0	0	0	0.38	0	0	1	0	0	0	0	0
18	Zack Stortini	Monsters (Clb)	C	76	3	2	5	-7	27	5	35	18	19	3	18	15.79%	5	436	5.75	0	1	1	3	59	0	0	0	0	57	0	0	51.07%	233	0	0	0.23	0	0	0	0	1	0	0	0
19	Tim Bozon	Monsters (Clb)	LW	20	1	3	4	5	4	0	12	5	11	4	7	9.09%	1	128	6.42	0	0	0	0	0	0	0	0	0	0	0	0	20.00%	5	0	0	0.62	0	0	0	0	0	0	0	0
20	Ryan Haggerty	Monsters (Clb)	RW	76	2	1	3	6	14	0	19	12	18	6	19	11.11%	2	297	3.91	0	0	0	1	22	0	0	0	0	10	0	0	40.35%	57	0	0	0.20	0	0	0	0	0	1	0	0
21	Brendan Leipsic	Columbus Blue Jackets	C/LW	1	0	1	1	0	0	0	0	3	2	0	0	0.00%	0	20	20.08	0	1	1	1	7	0	0	0	0	3	0	0	73.33%	15	0	0	1.00	0	0	0	0	0	0	0	0
Stats d'équipe Total ou en Moyenne				1295	218	373	591	219	914	70	1311	1360	1928	547	1335	11.31%	392	19452	15.02	87	146	233	605	3563	5	6	11	46	2188	43	9	60.84%	5097	2	5	0.61	5	25	2	5	7	34	46	41

Afficher ou Masquer des Colonnes

Astuces sur les Filtres (Anglais seulement)

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

#	Nom du Gardien	Nom de l'Équipe	GP	W	L	OTL	PCT	GAA	MP	PIM	SO	GA	SA	A	EG	PS %	PSA	ST	BG	S1	S2	S3
1	Jack Campbell	Monsters (Clb)	72	48	19	5	0.901	1.92	4257	4	12	136	1376	5	1	0.741	27	72	0	8	1	2
2	Eamon McAdam	Monsters (Clb)	7	2	2	0	0.904	1.63	332	0	0	9	94	1	0	0.000	0	4	76	0	0	0
Stats d'équipe Total ou en Moyenne			79	50	21	5	0.901	1.90	4590	4	12	145	1470	6	1	0.741	27	76	76	8	1	2

Afficher ou Masquer des Colonnes

Astuces sur les Filtres (Anglais seulement)

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

Nom du Joueur	Nom de l'Équipe	POS	Âge	Date de Naissance	Nouveau Joueur	Poids	Taille	Non-Échange	Disponible pour Échange	Ballotage Forcé	Contrat	Status	Type	Salaire Actuel	Cap Salariale	Cap Salariale Restant	Exclus du Cap Salarial
Akim Aliu	Monsters (Clb)	RW	27	1989-04-23	Yes	225 Lbs	6 ft4	No	No	No	3	Avec Restriction	Pro & Farm	500,000$	0$	0$	No
Brandon Alderson	Monsters (Clb)	RW	24	1992-01-21	No	202 Lbs	6 ft4	No	No	No	1	Avec Restriction	Pro & Farm	300,000$	0$	0$	No
Brennan Menell	Monsters (Clb)	D	19	1997-05-24	Yes	183 Lbs	5 ft11	No	No	No	4	Contrat d'Entrée	Pro & Farm	300,000$	0$	0$	No
Brian Lashoff	Monsters (Clb)	D	26	1990-07-15	No	212 Lbs	6 ft3	No	No	No	4	Avec Restriction	Pro & Farm	300,000$	0$	0$	No
Buddy Robinson	Monsters (Clb)	RW	25	1991-09-30	No	235 Lbs	6 ft5	No	No	No	2	Avec Restriction	Pro & Farm	300,000$	0$	0$	No
Chris Kelly	Monsters (Clb)	C	36	1980-11-11	No	198 Lbs	6 ft0	No	No	No	2	Sans Restriction	Pro & Farm	300,000$	0$	0$	No
Cody Kunyk	Monsters (Clb)	RW	26	1990-05-20	Yes	195 Lbs	5 ft11	No	No	No	3	Avec Restriction	Pro & Farm	500,000$	0$	0$	No
Colin White	Monsters (Clb)	C	19	1997-01-30	Yes	190 Lbs	6 ft1	No	No	No	4	Contrat d'Entrée	Pro & Farm	900,000$	0$	0$	No
Daniel Audette	Monsters (Clb)	LW	20	1996-05-06	No	176 Lbs	5 ft8	No	No	No	3	Contrat d'Entrée	Pro & Farm	500,000$	0$	0$	No
Daniel Catenacci	Monsters (Clb)	RW	23	1993-03-09	No	186 Lbs	5 ft9	No	No	No	2	Avec Restriction	Pro & Farm	300,000$	0$	0$	No
Dylan Strome	Monsters (Clb)	C	19	1997-03-07	Yes	185 Lbs	6 ft3	No	No	No	4	Contrat d'Entrée	Pro & Farm	900,000$	0$	0$	No
Eamon McAdam	Monsters (Clb)	G	22	1994-09-23	No	199 Lbs	6 ft3	No	No	No	3	Contrat d'Entrée	Pro & Farm	300,000$	0$	0$	No
Emil Pettersson	Monsters (Clb)	C	22	1994-01-14	Yes	176 Lbs	6 ft2	No	No	No	4	Contrat d'Entrée	Pro & Farm	300,000$	0$	0$	No
Filip Gustavsson	Monsters (Clb)	G	18	1998-06-07	Yes	185 Lbs	6 ft2	No	No	No	4	Contrat d'Entrée	Pro & Farm	500,000$	0$	0$	No
Jack Campbell	Monsters (Clb)	G	25	1992-01-09	No	195 Lbs	6 ft3	No	No	No	1	Avec Restriction	Pro & Farm	300,000$	0$	0$	No
Jeff Malcolm	Monsters (Clb)	G	27	1989-04-13	No	179 Lbs	6 ft2	No	No	No	2	Avec Restriction	Pro & Farm	300,000$	0$	0$	No
Jeremy Roy	Monsters (Clb)	D	19	1997-05-14	Yes	187 Lbs	6 ft0	No	No	No	4	Contrat d'Entrée	Pro & Farm	500,000$	0$	0$	No
John Negrin	Monsters (Clb)	D	27	1989-03-25	No	194 Lbs	6 ft2	No	No	No	3	Avec Restriction	Pro & Farm	500,000$	0$	0$	No
Joshua Winquist	Monsters (Clb)	LW	23	1993-09-06	No	185 Lbs	5 ft11	No	No	No	3	Avec Restriction	Pro & Farm	300,000$	0$	0$	No
Josiah Didier	Monsters (Clb)	D	23	1993-04-08	No	203 Lbs	6 ft2	No	No	No	3	Avec Restriction	Pro & Farm	300,000$	0$	0$	No
Kyle Burroughs	Monsters (Clb)	D	21	1995-07-12	No	198 Lbs	6 ft0	No	No	No	1	Contrat d'Entrée	Pro & Farm	630,000$	0$	0$	No
Lauri Korpikoski	Monsters (Clb)	LW	30	1986-07-28	No	205 Lbs	6 ft1	No	No	No	1	Sans Restriction	Pro & Farm	976,882$	0$	0$	No
Madison Bowey	Monsters (Clb)	D	21	1995-04-22	No	194 Lbs	6 ft1	No	No	No	1	Contrat d'Entrée	Pro & Farm	894,000$	0$	0$	No
Marcus Hogberg	Monsters (Clb)	G	22	1994-11-25	No	209 Lbs	6 ft5	No	No	No	4	Contrat d'Entrée	Pro & Farm	300,000$	0$	0$	No
Matt Buckles	Monsters (Clb)	C	21	1995-05-05	Yes	218 Lbs	6 ft3	No	No	No	4	Contrat d'Entrée	Pro & Farm	300,000$	0$	0$	No
Mike Brown	Monsters (Clb)	RW	31	1985-06-23	No	205 Lbs	5 ft11	No	No	No	1	Sans Restriction	Pro & Farm	300,000$	0$	0$	No
Mike Sislo	Monsters (Clb)	RW	28	1988-01-19	No	195 Lbs	5 ft11	No	No	No	1	Sans Restriction	Pro & Farm	300,000$	0$	0$	No
Mike Weber	Monsters (Clb)	D	29	1987-12-15	No	212 Lbs	6 ft2	No	No	No	1	Sans Restriction	Pro & Farm	300,000$	0$	0$	No
Nick Cousins	Monsters (Clb)	C	23	1993-07-19	No	169 Lbs	5 ft10	No	No	No	3	Avec Restriction	Pro & Farm	300,000$	0$	0$	No
Nick Tarnasky	Monsters (Clb)	LW	32	1984-11-24	No	230 Lbs	6 ft2	No	No	No	4	Sans Restriction	Pro & Farm	300,000$	0$	0$	No
Nikita Soshnikov	Monsters (Clb)	RW	23	1993-10-14	No	183 Lbs	5 ft11	No	No	No	2	Avec Restriction	Pro & Farm	300,000$	0$	0$	No
Olivier Archambault	Monsters (Clb)	LW	23	1993-02-15	Yes	176 Lbs	5 ft11	No	No	No	4	Avec Restriction	Pro & Farm	500,000$	0$	0$	No
Oscar Lindberg	Monsters (Clb)	C	25	1991-10-28	No	195 Lbs	6 ft1	No	No	No	3	Avec Restriction	Pro & Farm	500,000$	0$	0$	No
Oskar Lindblom	Monsters (Clb)	LW	20	1996-08-15	Yes	192 Lbs	6 ft1	No	No	No	4	Contrat d'Entrée	Pro & Farm	500,000$	0$	0$	No
Quinton Howden	Monsters (Clb)	C	24	1992-01-20	No	189 Lbs	6 ft2	No	No	No	3	Avec Restriction	Pro & Farm	300,000$	0$	0$	No
Robin Norell	Monsters (Clb)	D	21	1995-02-17	Yes	195 Lbs	5 ft11	No	No	No	3	Contrat d'Entrée	Pro & Farm	300,000$	0$	0$	No
Ryan Haggerty	Monsters (Clb)	RW	23	1993-03-03	No	201 Lbs	6 ft0	No	No	No	1	Avec Restriction	Pro & Farm	300,000$	0$	0$	No
Ryan Sproul	Monsters (Clb)	D	24	1993-01-12	No	206 Lbs	6 ft4	No	No	No	3	Avec Restriction	Pro & Farm	300,000$	0$	0$	No
Stephen MacAulay	Monsters (Clb)	C	24	1992-04-20	Yes	182 Lbs	6 ft2	No	No	No	4	Avec Restriction	Pro & Farm	500,000$	0$	0$	No
Tim Bozon	Monsters (Clb)	LW	22	1994-03-24	No	196 Lbs	6 ft1	No	No	No	3	Contrat d'Entrée	Pro & Farm	300,000$	0$	0$	No
Ville Pokka	Monsters (Clb)	D	22	1994-06-02	No	214 Lbs	6 ft0	No	No	No	1	Contrat d'Entrée	Pro & Farm	500,000$	0$	0$	No
Will O'Neill	Monsters (Clb)	D	28	1988-04-27	No	190 Lbs	6 ft1	No	No	No	1	Sans Restriction	Pro & Farm	500,000$	0$	0$	No
Zach O'Brien	Monsters (Clb)	RW	24	1992-06-29	Yes	192 Lbs	5 ft11	No	No	No	4	Avec Restriction	Pro & Farm	500,000$	0$	0$	No
Zack Stortini	Monsters (Clb)	C	31	1985-09-10	No	230 Lbs	6 ft4	No	No	No	3	Sans Restriction	Pro & Farm	500,000$	0$	0$	No

Joueurs Total	Âge Moyen	Poids Moyen	Taille Moyenne	Contrat Moyen	Salaire Moyen 1e Année
44	24.14	197 Lbs	6 ft1	2.70	427,293$

Attaque à 5 contre 5
Ligne #	Ailier Gauche	Centre	Ailier Droit	% Temps	PHY	DF	OF
1	Oskar Lindblom	Oscar Lindberg		40	1	2	2
2	Daniel Audette	Dylan Strome	Nikita Soshnikov	30	1	2	2
3	Nick Tarnasky	Nick Cousins	Daniel Catenacci	20	1	2	2
4	Tim Bozon	Chris Kelly	Mike Brown	10	1	2	2

Défense à 5 contre 5
Ligne #	Défense	Défense	% Temps	PHY	DF	OF
1	Madison Bowey	Ryan Sproul	40	1	2	2
2	Ville Pokka	Brian Lashoff	30	1	2	2
3	Mike Weber	Madison Bowey	20	1	2	2
4	Ryan Sproul	Ville Pokka	10	1	2	2

Attaque en Avantage Numérique
Ligne #	Ailier Gauche	Centre	Ailier Droit	% Temps	PHY	DF	OF
1	Oskar Lindblom	Oscar Lindberg		60	1	2	2
2	Daniel Audette	Dylan Strome	Nikita Soshnikov	40	1	2	2

Défense en Avantage Numérique
Ligne #	Défense	Défense	% Temps	PHY	DF	OF
1	Madison Bowey	Ryan Sproul	60	1	2	2
2	Ville Pokka	Brian Lashoff	40	1	2	2

Attaque à 4 en Désavantage Numérique
Ligne #	Centre	Ailier	% Temps	PHY	DF	OF
1		Oscar Lindberg	60	1	2	2
2	Dylan Strome	Nick Cousins	40	1	2	2

Défense à 4 en Désavantage Numérique
Ligne #	Défense	Défense	% Temps	PHY	DF	OF
1	Madison Bowey	Ryan Sproul	60	1	2	2
2	Ville Pokka	Brian Lashoff	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	Madison Bowey	Ryan Sproul	60	1	2	2
2	Oscar Lindberg	40	1	2	2	Ville Pokka	Brian Lashoff	40	1	2	2

Attaque à 4 contre 4
Ligne #	Centre	Ailier	% Temps	PHY	DF	OF
1		Oscar Lindberg	60	1	2	2
2	Dylan Strome	Nick Cousins	40	1	2	2

Défense à 4 contre 4
Ligne #	Défense	Défense	% Temps	PHY	DF	OF
1	Madison Bowey	Ryan Sproul	60	1	2	2
2	Ville Pokka	Brian Lashoff	40	1	2	2

Attaque Dernière Minute
Ailier Gauche	Centre	Ailier Droit	Défense	Défense
Oskar Lindblom	Oscar Lindberg		Madison Bowey	Ryan Sproul

Défense Dernière Minute
Ailier Gauche	Centre	Ailier Droit	Défense	Défense
Oskar Lindblom	Oscar Lindberg		Madison Bowey	Ryan Sproul

Attaquants Supplémentaires
Normal	Avantage Numérique	Désavantage Numérique
Zack Stortini, Ryan Haggerty, Chris Kelly	Zack Stortini, Ryan Haggerty	Chris Kelly

Défenseurs Supplémentaires
Normal	Avantage Numérique	Désavantage Numérique
Mike Weber, Brian Lashoff, Madison Bowey	Mike Weber	Brian Lashoff, Madison Bowey

Tirs de Pénalité
, Oscar Lindberg, Dylan Strome, Nick Cousins, Oskar Lindblom

Gardien
#1 : Jack Campbell, #2 : Eamon McAdam

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	4	3	0	0	0	0	0	1	11	4	7	2	1	0	0	0	0	0	1	4	2	2	2	2	0	0	0	0	0	0	7	2	5	7	0.875	11	18	29	0	2	92	78	68	6	100	668	676	715	37	55	23	45	66	35	6	17.14%	20	2	90.00%	0	1490	2443	60.99%	1204	2086	57.72%	659	1045	63.06%	2135	1561	1561	528	899	478
2	Americans	8	5	2	0	0	0	0	1	18	16	2	4	3	1	0	0	0	0	0	12	8	4	4	2	1	0	0	0	0	1	6	8	-2	11	0.688	18	32	50	0	0	92	78	68	6	187	668	676	715	37	141	42	112	132	80	9	11.25%	45	8	82.22%	0	1490	2443	60.99%	1204	2086	57.72%	659	1045	63.06%	2135	1561	1561	528	899	478
3	Bears	4	2	1	0	0	0	1	0	11	8	3	2	0	1	0	0	0	1	0	5	8	-3	2	2	0	0	0	0	0	0	6	0	6	6	0.750	11	19	30	0	2	92	78	68	6	93	668	676	715	37	101	32	48	70	27	4	14.81%	24	3	87.50%	0	1490	2443	60.99%	1204	2086	57.72%	659	1045	63.06%	2135	1561	1561	528	899	478
4	Checkers	4	3	0	0	1	0	0	0	21	7	14	2	2	0	0	0	0	0	0	12	3	9	2	1	0	0	1	0	0	0	9	4	5	8	1.000	21	36	57	0	0	92	78	68	6	159	668	676	715	37	62	27	30	84	16	5	31.25%	15	3	80.00%	0	1490	2443	60.99%	1204	2086	57.72%	659	1045	63.06%	2135	1561	1561	528	899	478
5	Comets	4	3	0	0	0	0	1	0	16	6	10	2	2	0	0	0	0	0	0	10	4	6	2	1	0	0	0	0	1	0	6	2	4	8	1.000	16	25	41	0	1	92	78	68	6	106	668	676	715	37	77	27	57	87	27	6	22.22%	22	2	90.91%	0	1490	2443	60.99%	1204	2086	57.72%	659	1045	63.06%	2135	1561	1561	528	899	478
6	Crunch	4	2	1	0	0	1	0	0	12	11	1	2	0	1	0	0	1	0	0	5	7	-2	2	2	0	0	0	0	0	0	7	4	3	5	0.625	12	19	31	0	0	92	78	68	6	116	668	676	715	37	71	20	46	73	33	5	15.15%	23	3	86.96%	0	1490	2443	60.99%	1204	2086	57.72%	659	1045	63.06%	2135	1561	1561	528	899	478
7	Devils	4	2	1	0	0	0	0	1	10	11	-1	2	0	1	0	0	0	0	1	4	7	-3	2	2	0	0	0	0	0	0	6	4	2	5	0.625	10	18	28	1	0	92	78	68	6	91	668	676	715	37	87	29	40	65	31	6	19.35%	20	3	85.00%	0	1490	2443	60.99%	1204	2086	57.72%	659	1045	63.06%	2135	1561	1561	528	899	478
8	Griffins	4	4	0	0	0	0	0	0	21	5	16	2	2	0	0	0	0	0	0	9	1	8	2	2	0	0	0	0	0	0	12	4	8	8	1.000	21	38	59	0	1	92	78	68	6	123	668	676	715	37	71	20	62	69	26	7	26.92%	23	2	91.30%	2	1490	2443	60.99%	1204	2086	57.72%	659	1045	63.06%	2135	1561	1561	528	899	478
9	IceHogs	4	3	0	0	0	0	1	0	12	4	8	2	2	0	0	0	0	0	0	6	0	6	2	1	0	0	0	0	1	0	6	4	2	8	1.000	12	16	28	0	2	92	78	68	6	107	668	676	715	37	76	22	46	69	20	5	25.00%	21	3	85.71%	0	1490	2443	60.99%	1204	2086	57.72%	659	1045	63.06%	2135	1561	1561	528	899	478
10	Marlies	8	8	0	0	0	0	0	0	49	8	41	4	4	0	0	0	0	0	0	20	4	16	4	4	0	0	0	0	0	0	29	4	25	16	1.000	49	86	135	0	3	92	78	68	6	336	668	676	715	37	136	42	70	167	32	12	37.50%	33	0	100.00%	2	1490	2443	60.99%	1204	2086	57.72%	659	1045	63.06%	2135	1561	1561	528	899	478
11	Penguins	4	1	3	0	0	0	0	0	8	13	-5	2	1	1	0	0	0	0	0	4	5	-1	2	0	2	0	0	0	0	0	4	8	-4	2	0.250	8	15	23	0	0	92	78	68	6	71	668	676	715	37	72	24	58	64	26	4	15.38%	23	4	82.61%	0	1490	2443	60.99%	1204	2086	57.72%	659	1045	63.06%	2135	1561	1561	528	899	478
12	Phantoms	4	2	1	0	0	0	0	1	7	10	-3	2	1	0	0	0	0	0	1	4	3	1	2	1	1	0	0	0	0	0	3	7	-4	5	0.625	7	11	18	0	0	92	78	68	6	84	668	676	715	37	101	29	76	73	34	5	14.71%	32	5	84.38%	0	1490	2443	60.99%	1204	2086	57.72%	659	1045	63.06%	2135	1561	1561	528	899	478
13	Rocket	8	4	4	0	0	0	0	0	25	23	2	4	2	2	0	0	0	0	0	13	10	3	4	2	2	0	0	0	0	0	12	13	-1	8	0.500	25	48	73	0	0	92	78	68	6	231	668	676	715	37	153	36	115	147	63	11	17.46%	51	6	88.24%	1	1490	2443	60.99%	1204	2086	57.72%	659	1045	63.06%	2135	1561	1561	528	899	478
14	Senators	8	1	7	0	0	0	0	0	11	17	-6	4	0	4	0	0	0	0	0	3	8	-5	4	1	3	0	0	0	0	0	8	9	-1	2	0.125	11	17	28	0	1	92	78	68	6	164	668	676	715	37	186	48	152	162	56	5	8.93%	66	8	87.88%	1	1490	2443	60.99%	1204	2086	57.72%	659	1045	63.06%	2135	1561	1561	528	899	478
	Total	76	46	21	0	1	1	3	4	242	150	92	38	21	12	0	0	1	1	3	115	74	41	38	25	9	0	1	0	2	1	127	76	51	105	0.691	242	417	659	1	12	92	78	68	6	2070	668	676	715	37	1471	445	988	1406	529	95	17.96%	431	54	87.47%	6	1490	2443	60.99%	1204	2086	57.72%	659	1045	63.06%	2135	1561	1561	528	899	478
16	Wolves	4	3	1	0	0	0	0	0	10	7	3	2	1	1	0	0	0	0	0	4	4	0	2	2	0	0	0	0	0	0	6	3	3	6	0.750	10	19	29	0	0	92	78	68	6	102	668	676	715	37	82	24	31	78	23	5	21.74%	13	2	84.62%	0	1490	2443	60.99%	1204	2086	57.72%	659	1045	63.06%	2135	1561	1561	528	899	478
	_Since Last GM Reset	76	46	21	0	1	1	3	4	242	150	92	38	21	12	0	0	1	1	3	115	74	41	38	25	9	0	1	0	2	1	127	76	51	105	0.691	242	417	659	1	12	92	78	68	6	2070	668	676	715	37	1471	445	988	1406	529	95	17.96%	431	54	87.47%	6	1490	2443	60.99%	1204	2086	57.72%	659	1045	63.06%	2135	1561	1561	528	899	478
	_Vs Conference	28	10	14	0	0	1	1	2	59	70	-11	14	2	8	0	0	1	1	2	25	38	-13	14	8	6	0	0	0	0	0	34	32	2	25	0.446	59	99	158	1	3	92	78	68	6	619	668	676	715	37	618	182	420	507	207	29	14.01%	188	26	86.17%	1	1490	2443	60.99%	1204	2086	57.72%	659	1045	63.06%	2135	1561	1561	528	899	478
	_Vs Division	40	4	2	0	0	0	0	2	136	80	56	20	1	1	0	0	0	0	2	62	38	24	20	3	1	0	0	0	0	0	74	42	32	10	0.125	136	240	376	0	5	92	78	68	6	1157	668	676	715	37	758	208	557	750	290	49	16.90%	241	27	88.80%	6	1490	2443	60.99%	1204	2086	57.72%	659	1045	63.06%	2135	1561	1561	528	899	478

			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
76	105	W4	242	417	659	2070	1471	445	988	1406	1	12

Tous les Matchs
GP	W	L	OTW	OTL	SOW	SOL	GF	GA
76	46	21	1	1	3	4	242	150

Matchs locaux
GP	W	L	OTW	OTL	SOW	SOL	GF	GA
38	21	12	0	1	1	3	115	74

Matchs Éxtérieurs
GP	W	L	OTW	OTL	SOW	SOL	GF	GA
38	25	9	1	0	2	1	127	76

Derniers 10 Matchs
W	L	OTW	OTL	SOW	SOL
5	4	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
529	95	17.96%	431	54	87.47%	6

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
668	676	715	37	92	78	68	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
1490	2443	60.99%	1204	2086	57.72%	659	1045	63.06%

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
2135	1561	1561	528	899	478

Derniers Match 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 - 2018-09-07	2	IceHogs	0	Monsters	5	W			Sommaire du Match
4 - 2018-09-08	10	IceHogs	0	Monsters	1	W			Sommaire du Match
6 - 2018-09-10	27	Monsters	7	Marlies	2	W			Sommaire du Match
9 - 2018-09-13	32	Penguins	3	Monsters	1	L			Sommaire du Match
11 - 2018-09-15	47	Penguins	2	Monsters	3	W			Sommaire du Match
17 - 2018-09-21	72	Monsters	3	Comets	0	W			Sommaire du Match
18 - 2018-09-22	90	Monsters	3	Devils	2	W			Sommaire du Match
22 - 2018-09-26	102	Monsters	2	Wolves	1	W			Sommaire du Match
24 - 2018-09-28	112	Monsters	4	Admirals	0	W			Sommaire du Match
25 - 2018-09-29	120	Monsters	2	IceHogs	1	W			Sommaire du Match
31 - 2018-10-05	141	Marlies	2	Monsters	3	W			Sommaire du Match
33 - 2018-10-07	169	Griffins	0	Monsters	4	W			Sommaire du Match
36 - 2018-10-10	177	Monsters	2	Americans	1	W			Sommaire du Match
38 - 2018-10-12	182	Rocket	1	Monsters	4	W			Sommaire du Match
39 - 2018-10-13	192	Rocket	2	Monsters	4	W			Sommaire du Match
45 - 2018-10-19	223	Monsters	4	Bears	0	W			Sommaire du Match
46 - 2018-10-20	238	Monsters	2	Bears	0	W			Sommaire du Match
52 - 2018-10-26	266	Marlies	0	Monsters	7	W			Sommaire du Match
54 - 2018-10-28	293	Monsters	5	Marlies	1	W			Sommaire du Match
57 - 2018-10-31	301	Marlies	2	Monsters	4	W			Sommaire du Match
59 - 2018-11-02	308	Crunch	4	Monsters	3	L	X		Sommaire du Match
60 - 2018-11-03	318	Crunch	3	Monsters	2	L			Sommaire du Match
64 - 2018-11-07	343	Monsters	3	Phantoms	2	W			Sommaire du Match
66 - 2018-11-09	354	Monsters	3	Penguins	4	L			Sommaire du Match
67 - 2018-11-10	369	Monsters	0	Phantoms	5	L			Sommaire du Match
73 - 2018-11-16	395	Monsters	0	Americans	3	L			Sommaire du Match
74 - 2018-11-17	404	Americans	2	Monsters	3	W			Sommaire du Match
78 - 2018-11-21	426	Monsters	5	Griffins	2	W			Sommaire du Match
80 - 2018-11-23	436	Senators	3	Monsters	1	L			Sommaire du Match
81 - 2018-11-24	449	Senators	2	Monsters	1	L			Sommaire du Match
85 - 2018-11-28	465	Americans	3	Monsters	2	L			Sommaire du Match
87 - 2018-11-30	477	Griffins	1	Monsters	5	W			Sommaire du Match
88 - 2018-12-01	492	Monsters	7	Griffins	2	W			Sommaire du Match
95 - 2018-12-08	531	Comets	2	Monsters	5	W			Sommaire du Match
96 - 2018-12-09	545	Comets	2	Monsters	5	W			Sommaire du Match
99 - 2018-12-12	553	Monsters	3	Senators	0	W			Sommaire du Match
101 - 2018-12-14	563	Monsters	3	Crunch	2	W			Sommaire du Match
102 - 2018-12-15	582	Monsters	3	Devils	2	W			Sommaire du Match
108 - 2018-12-21	610	Monsters	3	Rocket	2	W			Sommaire du Match
109 - 2018-12-22	616	Monsters	5	Rocket	3	W			Sommaire du Match
113 - 2018-12-26	647	Marlies	0	Monsters	6	W			Sommaire du Match
114 - 2018-12-27	653	Wolves	1	Monsters	2	W			Sommaire du Match
116 - 2018-12-29	675	Wolves	3	Monsters	2	L			Sommaire du Match
122 - 2019-01-04	688	Monsters	1	Penguins	4	L			Sommaire du Match
123 - 2019-01-05	702	Monsters	4	Crunch	2	W			Sommaire du Match
126 - 2019-01-08	713	Monsters	4	Checkers	3	W	X		Sommaire du Match
127 - 2019-01-09	716	Monsters	5	Checkers	1	W			Sommaire du Match
130 - 2019-01-12	739	Devils	4	Monsters	3	L	X	X	Sommaire du Match
131 - 2019-01-13	749	Devils	3	Monsters	1	L			Sommaire du Match
133 - 2019-01-15	757	Americans	2	Monsters	3	W			Sommaire du Match
136 - 2019-01-18	769	Monsters	2	Senators	3	L			Sommaire du Match
137 - 2019-01-19	783	Monsters	1	Senators	2	L			Sommaire du Match
138 - 2019-01-20	799	Monsters	3	Comets	2	W	X	X	Sommaire du Match
141 - 2019-01-23	811	Monsters	2	Americans	1	W			Sommaire du Match
Date Limite d'Échange --- Les échange ne peuvent plus se faire après la simulation de cette journée!
143 - 2019-01-25	819	Admirals	2	Monsters	1	L	X	X	Sommaire du Match
145 - 2019-01-27	841	Admirals	0	Monsters	3	W			Sommaire du Match
149 - 2019-01-31	855	Rocket	5	Monsters	4	L			Sommaire du Match
150 - 2019-02-01	859	Rocket	2	Monsters	1	L			Sommaire du Match
151 - 2019-02-02	868	Monsters	10	Marlies	0	W			Sommaire du Match
156 - 2019-02-07	896	Senators	1	Monsters	0	L			Sommaire du Match
157 - 2019-02-08	898	Senators	2	Monsters	1	L			Sommaire du Match
162 - 2019-02-13	934	Monsters	3	Admirals	2	W			Sommaire du Match
164 - 2019-02-15	950	Monsters	4	Wolves	2	W			Sommaire du Match
165 - 2019-02-16	960	Monsters	4	IceHogs	3	W	X	X	Sommaire du Match
171 - 2019-02-22	988	Monsters	2	Americans	3	L	X	X	Sommaire du Match
172 - 2019-02-23	996	Bears	3	Monsters	4	W	X	X	Sommaire du Match
173 - 2019-02-24	1009	Bears	5	Monsters	1	L			Sommaire du Match
178 - 2019-03-01	1028	Phantoms	2	Monsters	1	L	X	X	Sommaire du Match
179 - 2019-03-02	1041	Phantoms	1	Monsters	3	W			Sommaire du Match
183 - 2019-03-06	1066	Monsters	2	Rocket	3	L			Sommaire du Match
185 - 2019-03-08	1078	Monsters	2	Rocket	5	L			Sommaire du Match
186 - 2019-03-09	1090	Monsters	2	Senators	4	L			Sommaire du Match
188 - 2019-03-11	1104	Americans	1	Monsters	4	W			Sommaire du Match
191 - 2019-03-14	1114	Checkers	2	Monsters	8	W			Sommaire du Match
192 - 2019-03-15	1115	Checkers	1	Monsters	4	W			Sommaire du Match
194 - 2019-03-17	1145	Monsters	7	Marlies	1	W			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	0	0
Assistance PCT	0.00%	0.00%

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	0 - 0.00%	0$	0$	3000	100

Dépenses
Dépenses Annuelles à Ce Jour	Salaire Total des Joueurs	Salaire Total Moyen des Joueurs	Salaire des Coachs
299,597$	188,009$	124,568$	0$

Cap Salarial Par Jour	Cap salarial à ce jour	Joueurs Inclut dans la Cap Salariale	Joueurs Exclut dans la Cap Salariale
0$	199,544$	0	0

Éstimation
Revenus de la Saison Éstimés	Jours Restants de la Saison	Dépenses Par Jour	Dépenses de la Saison Éstimées
0$	0	1,485$	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
13	76	46	21	0	1	1	3	4	242	150	92	38	21	12	0	0	1	1	3	115	74	41	38	25	9	0	1	0	2	1	127	76	51	105	242	417	659	1	12	92	78	68	6	2070	668	676	715	37	1471	445	988	1406	529	95	17.96%	431	54	87.47%	6	1490	2443	60.99%	1204	2086	57.72%	659	1045	63.06%	2135	1561	1561	528	899	478
Total Saison Régulière	76	46	21	0	1	1	3	4	242	150	92	38	21	12	0	0	1	1	3	115	74	41	38	25	9	0	1	0	2	1	127	76	51	105	242	417	659	1	12	92	78	68	6	2070	668	676	715	37	1471	445	988	1406	529	95	17.96%	431	54	87.47%	6	1490	2443	60.99%	1204	2086	57.72%	659	1045	63.06%	2135	1561	1561	528	899	478
Séries
12	20	16	4	0	0	0	0	0	49	19	30	10	8	2	0	0	0	0	0	21	9	12	10	8	2	0	0	0	0	0	28	10	18	32	49	83	132	0	6	12	18	17	2	466	143	156	146	21	405	121	392	396	141	14	9.93%	166	10	93.98%	3	381	673	56.61%	365	666	54.80%	168	279	60.22%	509	338	516	168	266	131
12	20	16	4	0	0	0	0	0	49	19	30	10	8	2	0	0	0	0	0	21	9	12	10	8	2	0	0	0	0	0	28	10	18	32	49	83	132	0	6	12	18	17	2	466	143	156	146	21	405	121	392	396	141	14	9.93%	166	10	93.98%	3	381	673	56.61%	365	666	54.80%	168	279	60.22%	509	338	516	168	266	131
Total Séries	40	32	8	0	0	0	0	0	98	38	60	20	16	4	0	0	0	0	0	42	18	24	20	16	4	0	0	0	0	0	56	20	36	64	98	166	264	0	12	24	36	34	4	932	286	312	292	42	810	242	784	792	282	28	9.93%	332	20	93.98%	6	762	1346	56.61%	730	1332	54.80%	336	558	60.22%	1018	677	1032	337	533	263