函館芝1200m 外枠▶︎内枠で成績UP？！

函館芝1200mは、同じ馬が開催中に連続で使ってくることから、前走との条件比較がポイントになります。

なかでもつまるリスクがあるとはいえ、内枠からポンと出てしまえば有利になるのが内枠。

外枠で凡走▶︎内枠で穴を開ける、このパターンはイメージ的には成り立ちますが、実際にデータで確認してみましょう！

前走外枠凡走は買い？

まずは結論となるデータがコチラ。

2010年~2020年の約400レースについて
前走函館1200で2着以下▶︎再び函館1200の同クラスに出走した馬に限定（サンプル数=1902）

横軸：内シフト数 = (今回の馬番) ー (前回の馬番)
縦軸：着順変化の平均 = [(今回の着順) ー (前回の着順)] の平均値

こうしてみると、緩やかではありますが、左肩下りのグラフになっていますね。
つまり、前走よりも馬番が内になるほど、着順が良くなるということです。

両端については極端にサンプルが少ないのであれですが、一定のサンプル数のある真ん中らへんで、左肩下りの形になっているのはいいですね。

函館芝1200なんて、ほんの些細なことで着順が入れ替わりますから、迷ったら外枠凡走▶︎内枠の人気薄で一発逆転なんて狙っても面白いかもしれません。

ここからは恒例のデータ取得・作成方法の紹介です。

データ取得・作成方法の紹介

ツール：TargetとPython

1.データの取得
まずはTargetで函館芝1200mのデータを取得し
▶︎前走データも取得する
▶︎今回の成績と前走の成績が一括で表示されているデータをCSV出力する

２.データの整形
そのデータをPythonで読み込むと、一部ですがこのようなデータフレームが得られます。

欲しい列名を限定しましょう。

h12 = h12[['日付', 'クラス名', '場所', '距離', '馬名S', '馬番', '着順', '脚質', '4角', '間隔', '前クラス名', '前走場所', ＼
'前距離', '前走馬番', '前走着順', '前走脚質', '前4角']]

コレで必要な列だけを得られます。

見やすいデータになりました。
ただし、いつも書いているようにTargetの着順データには余計な値があったり、文字列になっていたりするので修正します。

h12 = h12.query("~(着順=='外' | 着順=='止' | 着順=='消' | 着順=='⑧' | 着順=='②') ",engine='python')
h12 =  h12.query("~(前走着順=='外' | 前走着順=='止' | 前走着順=='消' | 前走着順=='⑤' | 前走着順=='②') ",engine='python')
h12['着順'] = h12['着順'].astype(int)
h12['前走着順'] = h12['前走着順'].astype(int)​

コレでデータは整いました。

３.データの抽出
前走函館1200で2着以下▶︎再び函館1200の同クラスに出走した馬に限定してデータを抽出します。

h12 = h12.query("場所==前走場所 & 前走着順 > 1 & クラス名==前クラス名",engine='python')

コレで条件に合う行が抽出できます。
さらに、内シフト数と着順変化を新たな列として加えます。

h12['内シフト数'] = h12['馬番'] - h12['前走馬番']
h12['着順変化'] = h12['着順'] - h12['前走着順']
h12

コレで以下のようなデータがGETできました。

４.データの視覚化

あとはシンプルにグラフ化するだけです。

from matplotlib import pyplot as plt

plt.title('枠順変化と着順変化', fontsize=20)

plt.xlabel('内シフト数',fontsize=18)
plt.ylabel('着順変化の平均',fontsize=18)
plt.tick_params(labelsize=15)

h12.groupby('内シフト数').着順変化.mean().plot()

コレで先ほどのグラフが得られます。

いかがでしたでしょうか？やや面倒ではありますが、慣れれば短時間でデータを取得できます。どちらかと言えばデータの根拠を持って情報を発信したい方向けかもしれません。

簡単ではありますが、データの取得・作成の方法の紹介を終わります。