Anaheim Ducks
Domicile
Formation
Points
Informations joueurs
Lignes
Statistiques d’équipe
Calendrier
Finance

Centre de jeu
	San Diego Gulls 41-25-6, 88pts	1	FINAL	4	Rochester Americans 41-22-9, 91pts

Team Stats
L2	Séquence	W1
21-12-3	Fiche domicile	20-9-7
20-13-3	Fiche domicile	21-13-2
8-2-0	Derniers 10 matchs	6-4-0
2.88	Buts par match	2.60
2.46	Buts contre par match	2.32
34.16%	Pourcentage en avantage numérique	32.92%
72.92%	Pourcentage en désavantage numérique	64.18%

San Diego Gulls
41-25-6, 88pts

FINAL

Iowa Wild
41-21-10, 92pts

Team Stats
L2	Séquence	W1
21-12-3	Fiche domicile	24-8-4
20-13-3	Fiche domicile	17-13-6
8-2-0	Derniers 10 matchs	7-2-1
2.88	Buts par match	2.88
2.46	Buts contre par match	2.53
34.16%	Pourcentage en avantage numérique	29.75%
72.92%	Pourcentage en désavantage numérique	66.09%

Meneurs d'équipe
	Buts Jayson Megna 34	Passes Jamie Drysdale 44

	Points Vinni Lettieri 65	Plus/Moins Jayson Megna 16

	Victoires Lukas Dostal 40	Pourcentage d’arrêts Gage Alexander 0.952

Statistiques d’équipe
Buts pour 207 2.88 GFG	Tirs pour 2395 33.26 Avg	Pourcentage en avantage numérique 34.2% 55 GF	Début de zone offensive 39.3%
Buts contre 177 2.46 GAA	Tirs contre 1999 27.76 Avg	Pourcentage en désavantage numérique 72.9%% 52 GA	Début de la zone défensive 34.5%

Informations de l'équipe
	Directeur général	Robhert Esserud
	Entraîneur	Greg Cronin
	Division	Pacific Division
	Conférence	Western Conference
	Capitaine
	Assistant #1
	Assistant #2
Informations de l’aréna
	Capacité	3,000
	Assistance	2,899
	Billets de saison	300
Informations de la formation
	Équipe Pro	22
	Équipe Mineure	18
	Limite contact	40 / 60
	Espoirs	24

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
1	Vinni Lettieri	0	X		X		100.00	74	69	79	67	69	68	68	71	81	68	71	66	65	56	56	64	92	64	0	28	1	750,000$
2	Jayson Megna	0	X		X		100.00	73	43	98	74	72	56	78	59	71	63	62	73	25	67	67	59	90	63	0	33	1	750,000$
3	Benoit-Olivier Groulx (R)	0	X				100.00	76	73	80	70	76	74	78	64	79	61	62	62	58	48	48	60	86	62	0	23	1	822,500$
4	Michael Vecchione	0	X		X		100.00	75	69	85	66	69	77	80	66	81	63	68	62	61	47	47	63	88	62	0	30	1	800,000$
5	Brayden Tracey (R)	0	X	X			100.00	73	69	82	73	72	71	75	60	50	56	60	60	53	47	47	57	89	60	0	22	2	863,333$
6	Brett Sutter	0	X	X			100.00	76	73	75	61	71	68	71	58	71	52	60	63	55	57	57	56	90	59	0	36	1	800,000$
7	John Stevens	0	X				100.00	74	69	86	63	69	69	72	55	71	54	53	61	51	49	49	56	84	58	0	29	1	800,000$
8	Jacob Perreault (R)	0	X		X		100.00	73	71	71	73	74	65	68	54	50	51	54	59	51	47	47	55	81	58	0	21	3	894,167$
9	Gerald Mayhew	0	X				100.00	64	59	72	62	59	78	83	62	80	54	65	60	61	60	60	59	86	58	0	31	1	750,000$
10	Bryce Kindopp	0			X		100.00	76	71	93	67	74	75	83	44	50	40	44	58	44	47	47	51	83	55	0	24	1	925,000$
11	Josh Lopina (R)	0	X				100.00	77	72	89	63	74	62	67	43	58	39	43	58	43	47	47	49	73	54	0	22	3	878,333$
12	Jamie Drysdale	0				X	100.00	77	67	83	90	69	58	63	71	75	63	51	60	37	60	60	48	87	63	0	21	1	925,000$
13	Josh Mahura	0				X	100.00	77	44	84	72	71	64	77	63	25	53	50	70	25	63	63	56	83	62	0	25	1	750,000$
14	Andrej Sustr	0				X	100.00	83	84	69	67	84	68	73	48	25	41	40	66	39	50	50	50	87	60	0	33	1	800,000$
15	Jacob Larsson	0				X	100.00	73	72	71	78	73	71	77	50	25	40	40	65	39	67	67	51	84	60	0	26	1	750,000$
16	Brian Lashoff	0		X		X	100.00	82	80	77	63	80	51	53	46	25	34	39	66	37	66	67	48	81	58	0	33	1	800,000$
17	Hunter Drew	0				X	100.00	68	78	37	67	79	73	80	46	45	35	40	56	39	47	47	46	79	56	0	25	1	793,333$
18	Axel Andersson (R)	0				X	100.00	72	67	86	67	70	53	55	45	25	35	39	57	38	47	47	48	86	54	0	23	1	772,500$
Rayé
1	Blake McLaughlin (R)	0		X			100.00	70	64	85	63	64	53	56	44	50	38	44	57	42	44	44	50	20	51	0	23	2	883,750$

	MOYENNE D’ÉQUIPE						100.00	74	68	79	69	72	66	71	55	55	49	52	62	45	53	54	54	82	59

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
1	Lukas Dostal (R)	0	100.00	70	61	59	75	81	58	85	69	68	66	75	49	49	63	89	67	0	23	1	822,500$
2	Matt Berlin	0	100.00	55	48	50	88	50	52	55	56	52	58	35	44	44	51	86	55	0	25	1	800,000$
Rayé
1	Gage Alexander (R)	0	100.00	47	49	61	86	46	49	50	53	50	50	30	44	44	49	20	52	0	21	3	810,000$

	MOYENNE D’ÉQUIPE		100.00	57	53	57	83	59	53	63	59	57	58	47	46	46	54	65	58

Nom de l’entraîneur	PH	DF	OF	PD	EX	LD	PO	CNT	Âge	Contrat	Salaire
Greg Cronin	60	70	40	60	99	70	50	USA	61	1	500,000$

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	GA	TA	EG	P/20	PSG	PSS	FW	FL	FT	S1	S2	S3
1	Vinni Lettieri	San Diego Gulls (ANA)	C/RW	67	24	41	65	6	209	175	99	100	226	77	149	10.62%	27	1138	17.00	7	18	25	10	98	0	0	0	1	12	6	2	56.85%	1226	48	24	0	1.14	0	0	13	6	16	3	3	2
2	Jayson Megna	San Diego Gulls (ANA)	C/RW	72	34	31	65	16	0	0	77	93	250	70	175	13.60%	37	1385	19.24	12	6	18	17	108	1	0	1	7	135	10	2	55.15%	272	78	28	0	0.94	0	6	0	0	0	6	10	6
3	Jamie Drysdale	San Diego Gulls (ANA)	D	72	9	44	53	4	115	85	94	113	196	91	97	4.59%	80	1611	22.38	7	15	22	16	107	0	2	2	8	142	0	2	50.00%	2	66	47	1	0.66	0	0	3	6	8	3	4	0
4	Michael Vecchione	San Diego Gulls (ANA)	C/RW	72	26	24	50	-3	194	160	95	128	264	96	172	9.85%	21	1334	18.53	6	12	18	16	106	0	2	2	9	133	5	1	59.51%	983	61	20	2	0.75	4	8	8	12	12	1	3	6
5	Benoit-Olivier Groulx	San Diego Gulls (ANA)	C	72	17	30	47	6	130	120	101	90	217	71	113	7.83%	20	1116	15.51	5	13	18	16	105	1	0	1	10	128	2	2	56.26%	583	47	25	0	0.84	0	1	7	8	9	3	2	4
6	Brayden Tracey	San Diego Gulls (ANA)	C/LW	72	25	21	46	11	77	65	92	90	206	57	105	12.14%	20	1105	15.35	9	8	17	15	99	1	0	1	3	40	2	2	44.07%	59	56	12	0	0.83	0	0	5	3	5	6	1	3
7	Brett Sutter	San Diego Gulls (ANA)	C/LW	72	18	22	40	10	235	175	130	83	140	44	64	12.86%	20	1371	19.05	4	7	11	10	104	0	1	1	10	122	4	0	51.09%	229	25	37	0	0.58	1	1	10	11	14	2	2	3
8	Gerald Mayhew	San Diego Gulls (ANA)	C	72	17	10	27	7	96	60	92	70	171	60	99	9.94%	18	909	12.64	1	1	2	1	19	0	0	0	0	0	2	4	58.19%	421	44	15	0	0.59	0	0	3	4	5	1	4	3
9	Josh Mahura	San Diego Gulls (ANA)	D	72	4	22	26	14	43	35	82	108	113	58	45	3.54%	85	1561	21.68	2	7	9	6	111	0	1	1	2	143	1	0	0%	1	31	48	0	0.33	0	0	1	4	2	0	1	3
10	Jacob Perreault	San Diego Gulls (ANA)	C/RW	72	12	12	24	2	241	145	105	56	173	53	125	6.94%	18	1054	14.64	0	0	0	0	7	0	0	0	0	0	1	2	48.89%	45	59	23	0	0.46	0	0	5	11	13	2	0	2
11	Andrej Sustr	San Diego Gulls (ANA)	D	72	1	14	15	15	381	255	115	89	62	29	29	1.61%	77	1416	19.67	1	2	3	3	98	0	0	0	2	118	0	1	0%	1	12	43	0	0.21	0	0	18	17	16	1	0	0
12	John Stevens	San Diego Gulls (ANA)	C	72	7	6	13	10	89	75	71	62	66	11	32	10.61%	18	939	13.05	0	0	0	0	2	0	0	0	0	2	1	0	68.48%	92	6	16	0	0.28	0	0	7	3	5	1	2	0
13	Jacob Larsson	San Diego Gulls (ANA)	D	72	1	12	13	7	267	155	92	78	79	36	34	1.27%	69	1424	19.78	1	2	3	4	101	0	0	0	0	131	0	0	0%	0	24	40	0	0.18	0	0	10	9	12	0	0	0
14	Hunter Drew	San Diego Gulls (ANA)	D	72	1	12	13	13	313	205	104	68	61	21	31	1.64%	56	1271	17.67	0	0	0	1	30	1	0	1	1	2	0	0	0%	0	15	35	0	0.20	0	0	11	16	14	1	0	0
15	Bryce Kindopp	San Diego Gulls (ANA)	RW	72	3	6	9	2	33	15	44	45	40	16	32	7.50%	8	690	9.59	0	0	0	0	5	0	0	0	0	0	2	0	23.08%	13	9	5	0	0.26	0	0	1	1	1	0	0	2
16	Brian Lashoff	San Diego Gulls (ANA)	LW/D	72	2	5	7	7	283	215	102	91	61	19	40	3.28%	39	1217	16.91	0	0	0	0	14	0	0	0	1	55	1	0	36.84%	57	11	23	0	0.12	0	8	15	16	12	0	1	0
17	Axel Andersson	San Diego Gulls (ANA)	D	71	0	6	6	0	70	60	53	62	37	15	18	0%	42	1140	16.06	0	0	0	0	1	0	0	0	0	4	0	0	0%	0	6	29	0	0.11	0	0	5	3	4	0	0	0
18	Josh Lopina	San Diego Gulls (ANA)	C	72	2	3	5	2	66	40	73	47	31	11	18	6.45%	11	708	9.84	0	0	0	1	12	0	0	0	0	0	0	0	60.98%	41	6	11	0	0.14	0	0	0	4	4	0	1	1
19	Blake McLaughlin	San Diego Gulls (ANA)	LW	6	0	0	0	1	2	0	7	2	2	2	0	0%	0	59	9.88	0	0	0	0	0	0	0	0	0	0	0	0	40.00%	5	1	3	0	0	0	0	0	0	0	0	0	0
Statistiques d’équipe totales ou en moyenne				1296	203	321	524	130	2844	2040	1628	1475	2395	837	1378	8.48%	666	21456	16.56	55	91	146	116	1134	4	6	10	54	1175	37	18	56.70%	4030	605	484	3	0.49	5	24	122	134	152	30	34	35

Afficher ou masquer des colonnes

Astuces sur les filtres (anglais seulement)

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

#	Nom du gardien	Nom de l’équipe	GP	W	L	OTL	PCT	GAA	MP	PIM	SO	GA	SA	SAR	A	EG	PS %	PSA	ST	BG	S1	S2	S3
1	Lukas Dostal	San Diego Gulls (ANA)	69	40	21	6	0.916	2.30	4130	2	3	158	1879	1090	5	2	0.760	25	69	0	9	5	5
2	Matt Berlin	San Diego Gulls (ANA)	6	1	3	0	0.885	3.42	193	0	0	11	96	54	0	1	0	0	3	68	0	1	0
3	Gage Alexander	San Diego Gulls (ANA)	1	0	1	0	0.952	1.43	42	0	0	1	21	14	0	0	0	0	0	4	0	0	0
Statistiques d’équipe totales ou en moyenne			76	41	25	6	0.915	2.34	4367	2	3	170	1996	1158	5	3		25	72	72	9	6	5

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	Acquis Par	Ballotage forcé	Waiver Possible	Contrat	Forcer UFA	Rappel d'urgence	Type	Salaire actuel	Plafond salarial Non Activé	Plafond salarial restant	Exclus du plafond salarial	Salaire annuel 2	Salaire annuel 3	Salaire annuel 4	Salaire annuel 5	Salaire annuel 6	Salaire annuel 7	Salaire annuel 8	Salaire annuel 9	Salaire annuel 10	Non-échange Année 2	Non-échange Année 3	Non-échange Année 4	Non-échange Année 5	Non-échange Année 6	Non-échange Année 7	Non-échange Année 8	Non-échange Année 9	Non-échange Année 10	Lien
Andrej Sustr	San Diego Gulls (ANA)	D	33	1990-12-31	No	217 Lbs	6 ft7	No	No	N/A	No	No	1	False	False	Pro & Farm	800,000$	0$	0$	No	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	Lien / Lien NHL
Axel Andersson	San Diego Gulls (ANA)	D	23	2000-12-31	Yes	182 Lbs	6 ft0	No	No	N/A	No	No	1	False	False	Pro & Farm	772,500$	0$	0$	No	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	Lien / Lien NHL
Benoit-Olivier Groulx	San Diego Gulls (ANA)	C	23	2000-12-31	Yes	198 Lbs	6 ft2	No	No	N/A	No	No	1	False	False	Pro & Farm	822,500$	0$	0$	No	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	Lien / Lien NHL
Blake McLaughlin	San Diego Gulls (ANA)	LW	23	2000-12-31	Yes	173 Lbs	6 ft0	No	No	N/A	No	No	2	False	False	Pro & Farm	883,750$	0$	0$	No	883,750$	-	-	-	-	-	-	-	-	No	-	-	-	-	-	-	-	-
Brayden Tracey	San Diego Gulls (ANA)	C/LW	22	2001-12-31	Yes	186 Lbs	6 ft1	No	No	N/A	No	No	2	False	False	Pro & Farm	863,333$	0$	0$	No	863,333$	-	-	-	-	-	-	-	-	No	-	-	-	-	-	-	-	-	Lien / Lien NHL
Brett Sutter	San Diego Gulls (ANA)	C/LW	36	1987-12-31	No	200 Lbs	6 ft0	No	No	N/A	No	No	1	False	False	Pro & Farm	800,000$	0$	0$	No	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	Lien / Lien NHL
Brian Lashoff	San Diego Gulls (ANA)	LW/D	33	1990-12-31	No	215 Lbs	6 ft3	No	No	N/A	No	No	1	False	False	Pro & Farm	800,000$	0$	0$	No	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	Lien / Lien NHL
Bryce Kindopp	San Diego Gulls (ANA)	RW	24	1999-12-31	No	191 Lbs	6 ft1	No	No	N/A	No	No	1	False	False	Pro & Farm	925,000$	0$	0$	No	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	Lien / Lien NHL
Gage Alexander	San Diego Gulls (ANA)	G	21	2002-12-31	Yes	205 Lbs	6 ft6	No	No	N/A	No	No	3	False	False	Pro & Farm	810,000$	0$	0$	No	810,000$	810,000$	-	-	-	-	-	-	-	No	No	-	-	-	-	-	-	-
Gerald Mayhew	San Diego Gulls (ANA)	C	31	1992-12-31	No	166 Lbs	5 ft9	No	No	N/A	No	No	1	False	False	Pro & Farm	750,000$	0$	0$	No	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	Lien
Hunter Drew	San Diego Gulls (ANA)	D	25	1998-12-31	No	213 Lbs	6 ft2	No	No	N/A	No	No	1	False	False	Pro & Farm	793,333$	0$	0$	No	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	Lien / Lien NHL
Jacob Larsson	San Diego Gulls (ANA)	D	26	1997-12-31	No	190 Lbs	6 ft2	No	No	N/A	No	No	1	False	False	Pro & Farm	750,000$	0$	0$	No	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	Lien / Lien NHL
Jacob Perreault	San Diego Gulls (ANA)	C/RW	21	2002-12-31	Yes	196 Lbs	6 ft0	No	No	N/A	No	No	3	False	False	Pro & Farm	894,167$	0$	0$	No	894,167$	894,167$	-	-	-	-	-	-	-	No	No	-	-	-	-	-	-	-	Lien / Lien NHL
Jamie Drysdale	San Diego Gulls (ANA)	D	21	2002-12-31	No	187 Lbs	5 ft11	No	No	N/A	No	No	1	False	False	Pro & Farm	925,000$	0$	0$	No	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	Lien / Lien NHL
Jayson Megna	San Diego Gulls (ANA)	C/RW	33	1990-12-31	No	195 Lbs	6 ft1	No	No	N/A	No	No	1	False	False	Pro & Farm	750,000$	0$	0$	No	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	Lien / Lien NHL
John Stevens	San Diego Gulls (ANA)	C	29	1994-12-31	No	184 Lbs	6 ft2	No	No	N/A	No	No	1	False	False	Pro & Farm	800,000$	0$	0$	No	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	Lien / Lien NHL
Josh Lopina	San Diego Gulls (ANA)	C	22	2001-12-31	Yes	194 Lbs	6 ft2	No	No	N/A	No	No	3	False	False	Pro & Farm	878,333$	0$	0$	No	878,333$	878,333$	-	-	-	-	-	-	-	No	No	-	-	-	-	-	-	-	Lien / Lien NHL
Josh Mahura	San Diego Gulls (ANA)	D	25	1998-12-31	No	190 Lbs	6 ft0	No	No	N/A	No	No	1	False	False	Pro & Farm	750,000$	0$	0$	No	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	Lien / Lien NHL
Lukas Dostal	San Diego Gulls (ANA)	G	23	2000-12-31	Yes	191 Lbs	6 ft2	No	No	N/A	No	No	1	False	False	Pro & Farm	822,500$	0$	0$	No	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	Lien / Lien NHL
Matt Berlin	San Diego Gulls (ANA)	G	25	1998-12-31 17:41:37	No	205 Lbs	6 ft3	No	No	N/A	No	No	1	False	False	Pro & Farm	800,000$	0$	0$	No	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-
Michael Vecchione	San Diego Gulls (ANA)	C/RW	30	1993-12-31	No	195 Lbs	5 ft10	No	No	N/A	No	No	1	False	False	Pro & Farm	800,000$	0$	0$	No	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	Lien / Lien NHL
Vinni Lettieri	San Diego Gulls (ANA)	C/RW	28	1995-12-31	No	191 Lbs	5 ft11	No	No	N/A	No	No	1	False	False	Pro & Farm	750,000$	0$	0$	No	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	Lien / Lien NHL

Nombre de joueurs	Âge moyen	Poids moyen	Taille moyenne	Contrat moyen	Salaire moyen 1e année
22	26.23	194 Lbs	6 ft1	1.36	815,473$

Attaque à 5 contre 5
Ligne #	Ailier gauche	Centre	Ailier droit	% temps	PHY	DF	OF
1	Brett Sutter	Vinni Lettieri	Jayson Megna	33	1	2	2
2	Brian Lashoff	Michael Vecchione	Jacob Perreault	33	1	2	2
3	Brayden Tracey	Benoit-Olivier Groulx	John Stevens	24	1	2	2
4	Josh Lopina	Gerald Mayhew	Bryce Kindopp	10	1	2	2

Défense à 5 contre 5
Ligne #	Défense	Défense	% temps	PHY	DF	OF
1	Jamie Drysdale	Axel Andersson	34	1	2	2
2	Josh Mahura	Hunter Drew	33	1	2	2
3	Jacob Larsson	Andrej Sustr	33	1	2	2
4	Jamie Drysdale	Josh Mahura	0	1	2	2

Attaque en avantage numérique
Ligne #	Ailier gauche	Centre	Ailier droit	% temps	PHY	DF	OF
1	Brett Sutter	Benoit-Olivier Groulx	Michael Vecchione	50	0	0	5
2	Brayden Tracey	Vinni Lettieri	Jayson Megna	50	0	0	5

Défense en avantage numérique
Ligne #	Défense	Défense	% temps	PHY	DF	OF
1	Jamie Drysdale	Jacob Larsson	50	1	0	4
2	Andrej Sustr	Josh Mahura	50	1	0	4

Attaque à 4 en désavantage numérique
Ligne #	Centre	Ailier	% temps	PHY	DF	OF
1	Brett Sutter	Michael Vecchione	50	1	2	2
2	Jayson Megna	Benoit-Olivier Groulx	50	1	2	2

Défense à 4 en désavantage numérique
Ligne #	Défense	Défense	% temps	PHY	DF	OF
1	Jamie Drysdale	Josh Mahura	50	1	2	2
2	Andrej Sustr	Jacob Larsson	50	1	2	2

3 joueurs en désavantage numérique
Ligne #	Ailier	% temps	PHY	DF	OF	Défense	Défense	% temps	PHY	DF	OF
1	Jayson Megna	50	1	2	2	Jamie Drysdale	Josh Mahura	50	1	2	2
2	Michael Vecchione	50	1	2	2	Andrej Sustr	Jacob Larsson	50	1	2	2

Attaque à 4 contre 4
Ligne #	Centre	Ailier	% temps	PHY	DF	OF
1	Vinni Lettieri	Jayson Megna	50	1	2	2
2	Michael Vecchione	Brett Sutter	50	1	2	2

Défense à 4 contre 4
Ligne #	Défense	Défense	% temps	PHY	DF	OF
1	Jamie Drysdale	Josh Mahura	50	1	2	2
2	Andrej Sustr	Jacob Larsson	50	1	2	2

Attaque dernière minute
Ailier gauche	Centre	Ailier droit	Défense	Défense
Brett Sutter	Jayson Megna	Michael Vecchione	Jamie Drysdale	Josh Mahura

Défense dernière minute
Ailier gauche	Centre	Ailier droit	Défense	Défense
Brett Sutter	Jayson Megna	Michael Vecchione	Jamie Drysdale	Josh Mahura

Attaquants supplémentaires
Normal	Avantage numérique	Désavantage numérique
Gerald Mayhew, Josh Lopina, Brayden Tracey	Gerald Mayhew, Josh Lopina	Brayden Tracey

Défenseurs supplémentaires
Normal	Avantage numérique	Désavantage numérique
Hunter Drew, Brian Lashoff, Andrej Sustr	Hunter Drew	Brian Lashoff, Andrej Sustr

Tirs de pénalité
Brian Lashoff, Michael Vecchione, Jayson Megna, Benoit-Olivier Groulx, Brett Sutter

Gardien
#1 : Lukas Dostal, #2 : Matt Berlin

Lignes d’attaque personnalisées en prolongation
Michael Vecchione, Jayson Megna, Brian Lashoff, Benoit-Olivier Groulx, Brett Sutter, Gerald Mayhew, Gerald Mayhew, Brayden Tracey, John Stevens, Jacob Perreault, Josh Lopina

Lignes de défense personnalisées en prolongation
Jamie Drysdale, Josh Mahura, Andrej Sustr, Jacob Larsson, Brian Lashoff

Afficher ou masquer des colonnes

Astuces sur les filtres (anglais seulement)

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

	Total												Domicile											Visiteur
#	VS Équipe	GP	W	L	T	OTW	OTL	SOW	SOL	GF	GA	Diff	GP	W	L	T	OTW	OTL	SOW	SOL	GF	GA	Diff	GP	W	L	T	OTW	OTL	SOW	SOL	GF	GA	Diff	P	PCT	G	A	TP	SO	EG	GP1	GP2	GP3	GP4	SHF	SH1	SP2	SP3	SP4	SHA	SHB	Pim	Hit	PPA	PPG	PP%	PKA	PK GA	PK%	PK GF	W OF FO	T OF FO	OF FO%	W DF FO	T DF FO	DF FO%	W NT FO	T NT FO	NT FO%	PZ DF	PZ OF	PZ NT	PC DF	PC OF	PC NT
1	Abbotsford Canucks	2	0	0	0	0	0	0	2	3	5	-2	1	0	0	0	0	0	0	1	1	2	-1	1	0	0	0	0	0	0	1	2	3	-1	2	0.500	3	4	7	0	0	33	88	79	8	67	634	944	803	38	46	23	135	43	3	1	33.33%	5	0	100.00%	0	905	1567	57.75%	778	1377	56.50%	602	1042	57.77%	1515	807	1409	711	1448	702
2	Bakersfield Condors	3	0	2	0	0	0	1	0	6	8	-2	2	0	1	0	0	0	1	0	4	5	-1	1	0	1	0	0	0	0	0	2	3	-1	2	0.333	6	8	14	1	0	33	88	79	8	100	634	944	803	38	93	27	76	79	5	1	20.00%	8	3	62.50%	0	905	1567	57.75%	778	1377	56.50%	602	1042	57.77%	1515	807	1409	711	1448	702
3	Belleville Senators	2	0	1	0	1	0	0	0	5	6	-1	1	0	1	0	0	0	0	0	2	4	-2	1	0	0	0	1	0	0	0	3	2	1	2	0.500	5	8	13	0	0	33	88	79	8	77	634	944	803	38	84	19	100	32	3	1	33.33%	5	1	80.00%	0	905	1567	57.75%	778	1377	56.50%	602	1042	57.77%	1515	807	1409	711	1448	702
4	Bridgeport Islanders	2	1	0	0	1	0	0	0	8	4	4	1	1	0	0	0	0	0	0	5	2	3	1	0	0	0	1	0	0	0	3	2	1	4	1.000	8	14	22	0	0	33	88	79	8	71	634	944	803	38	53	20	89	51	5	2	40.00%	7	1	85.71%	1	905	1567	57.75%	778	1377	56.50%	602	1042	57.77%	1515	807	1409	711	1448	702
5	Calgary Wranglers	4	1	2	0	0	1	0	0	9	14	-5	2	0	1	0	0	1	0	0	5	9	-4	2	1	1	0	0	0	0	0	4	5	-1	3	0.375	9	15	24	0	0	33	88	79	8	131	634	944	803	38	116	51	76	108	9	4	44.44%	8	4	50.00%	0	905	1567	57.75%	778	1377	56.50%	602	1042	57.77%	1515	807	1409	711	1448	702
6	Charlotte Checkers	2	0	2	0	0	0	0	0	2	4	-2	1	0	1	0	0	0	0	0	1	2	-1	1	0	1	0	0	0	0	0	1	2	-1	0	0.000	2	3	5	0	0	33	88	79	8	62	634	944	803	38	49	18	16	35	3	0	0.00%	3	0	100.00%	0	905	1567	57.75%	778	1377	56.50%	602	1042	57.77%	1515	807	1409	711	1448	702
7	Chicago Wolves	2	2	0	0	0	0	0	0	6	1	5	1	1	0	0	0	0	0	0	4	0	4	1	1	0	0	0	0	0	0	2	1	1	4	1.000	6	9	15	0	1	33	88	79	8	72	634	944	803	38	43	22	68	45	2	1	50.00%	4	0	100.00%	0	905	1567	57.75%	778	1377	56.50%	602	1042	57.77%	1515	807	1409	711	1448	702
8	Cleveland Monsters	2	0	0	0	0	0	1	1	5	5	0	1	0	0	0	0	0	1	0	2	1	1	1	0	0	0	0	0	0	1	3	4	-1	3	0.750	5	5	10	0	0	33	88	79	8	59	634	944	803	38	63	18	51	48	3	2	66.67%	3	0	100.00%	0	905	1567	57.75%	778	1377	56.50%	602	1042	57.77%	1515	807	1409	711	1448	702
9	Coachella Valley Firebirds	2	2	0	0	0	0	0	0	7	2	5	1	1	0	0	0	0	0	0	3	1	2	1	1	0	0	0	0	0	0	4	1	3	4	1.000	7	10	17	0	0	33	88	79	8	62	634	944	803	38	46	14	117	58	1	0	0.00%	6	1	83.33%	0	905	1567	57.75%	778	1377	56.50%	602	1042	57.77%	1515	807	1409	711	1448	702
10	Colorado Eagles	3	2	1	0	0	0	0	0	11	8	3	2	1	1	0	0	0	0	0	9	7	2	1	1	0	0	0	0	0	0	2	1	1	4	0.667	11	19	30	1	1	33	88	79	8	87	634	944	803	38	66	16	153	75	7	2	28.57%	9	5	44.44%	0	905	1567	57.75%	778	1377	56.50%	602	1042	57.77%	1515	807	1409	711	1448	702
11	Grand Rapids Griffins	3	1	1	0	0	0	0	1	7	9	-2	1	0	0	0	0	0	0	1	2	3	-1	2	1	1	0	0	0	0	0	5	6	-1	3	0.500	7	12	19	0	0	33	88	79	8	107	634	944	803	38	71	14	110	71	5	2	40.00%	5	2	60.00%	1	905	1567	57.75%	778	1377	56.50%	602	1042	57.77%	1515	807	1409	711	1448	702
12	Hartford Wolf Pack	2	2	0	0	0	0	0	0	10	4	6	1	1	0	0	0	0	0	0	5	1	4	1	1	0	0	0	0	0	0	5	3	2	4	1.000	10	14	24	0	0	33	88	79	8	69	634	944	803	38	54	21	35	47	3	2	66.67%	5	1	80.00%	0	905	1567	57.75%	778	1377	56.50%	602	1042	57.77%	1515	807	1409	711	1448	702
13	Henderson Silver Knights	3	1	2	0	0	0	0	0	7	9	-2	1	0	1	0	0	0	0	0	2	4	-2	2	1	1	0	0	0	0	0	5	5	0	2	0.333	7	12	19	0	0	33	88	79	8	94	634	944	803	38	83	28	88	61	7	2	28.57%	9	5	44.44%	0	905	1567	57.75%	778	1377	56.50%	602	1042	57.77%	1515	807	1409	711	1448	702
14	Hershey Bears	2	0	2	0	0	0	0	0	2	7	-5	1	0	1	0	0	0	0	0	2	4	-2	1	0	1	0	0	0	0	0	0	3	-3	0	0.000	2	4	6	0	0	33	88	79	8	69	634	944	803	38	62	26	102	43	4	0	0.00%	6	0	100.00%	0	905	1567	57.75%	778	1377	56.50%	602	1042	57.77%	1515	807	1409	711	1448	702
15	Iowa Wild	3	1	2	0	0	0	0	0	11	14	-3	2	1	1	0	0	0	0	0	9	9	0	1	0	1	0	0	0	0	0	2	5	-3	2	0.333	11	18	29	0	0	33	88	79	8	106	634	944	803	38	100	31	129	57	7	2	28.57%	12	5	58.33%	1	905	1567	57.75%	778	1377	56.50%	602	1042	57.77%	1515	807	1409	711	1448	702
16	Laval Rocket	2	2	0	0	0	0	0	0	9	5	4	1	1	0	0	0	0	0	0	3	1	2	1	1	0	0	0	0	0	0	6	4	2	4	1.000	9	14	23	0	0	33	88	79	8	69	634	944	803	38	39	17	75	62	9	6	66.67%	4	2	50.00%	0	905	1567	57.75%	778	1377	56.50%	602	1042	57.77%	1515	807	1409	711	1448	702
17	Lehigh Valley Phantoms	2	0	1	0	0	0	1	0	7	7	0	1	0	1	0	0	0	0	0	4	5	-1	1	0	0	0	0	0	1	0	3	2	1	2	0.500	7	11	18	0	0	33	88	79	8	79	634	944	803	38	67	24	77	28	3	1	33.33%	6	0	100.00%	0	905	1567	57.75%	778	1377	56.50%	602	1042	57.77%	1515	807	1409	711	1448	702
18	Manitoba Moose	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	9	15	0	0	33	88	79	8	56	634	944	803	38	59	15	86	39	6	4	66.67%	8	1	87.50%	0	905	1567	57.75%	778	1377	56.50%	602	1042	57.77%	1515	807	1409	711	1448	702
19	Milwaukee Admirals	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	33	88	79	8	74	634	944	803	38	50	26	92	50	6	2	33.33%	6	0	100.00%	0	905	1567	57.75%	778	1377	56.50%	602	1042	57.77%	1515	807	1409	711	1448	702
20	Ontario Reign	3	2	0	0	0	0	1	0	8	3	5	1	1	0	0	0	0	0	0	3	1	2	2	1	0	0	0	0	1	0	5	2	3	6	1.000	8	10	18	0	1	33	88	79	8	97	634	944	803	38	69	26	60	84	7	1	14.29%	5	1	80.00%	0	905	1567	57.75%	778	1377	56.50%	602	1042	57.77%	1515	807	1409	711	1448	702
21	Providence Bruins	2	2	0	0	0	0	0	0	8	3	5	1	1	0	0	0	0	0	0	2	1	1	1	1	0	0	0	0	0	0	6	2	4	4	1.000	8	13	21	0	0	33	88	79	8	62	634	944	803	38	56	22	72	50	3	2	66.67%	6	2	66.67%	0	905	1567	57.75%	778	1377	56.50%	602	1042	57.77%	1515	807	1409	711	1448	702
22	Rochester Americans	2	1	1	0	0	0	0	0	3	5	-2	1	1	0	0	0	0	0	0	2	1	1	1	0	1	0	0	0	0	0	1	4	-3	2	0.500	3	5	8	0	0	33	88	79	8	57	634	944	803	38	69	22	67	52	1	0	0.00%	6	2	66.67%	0	905	1567	57.75%	778	1377	56.50%	602	1042	57.77%	1515	807	1409	711	1448	702
23	Rockford IceHogs	2	2	0	0	0	0	0	0	5	2	3	1	1	0	0	0	0	0	0	2	1	1	1	1	0	0	0	0	0	0	3	1	2	4	1.000	5	8	13	0	0	33	88	79	8	67	634	944	803	38	45	15	93	49	6	0	0.00%	4	1	75.00%	0	905	1567	57.75%	778	1377	56.50%	602	1042	57.77%	1515	807	1409	711	1448	702
24	San Jose Barracuda	3	0	3	0	0	0	0	0	4	11	-7	2	0	2	0	0	0	0	0	2	7	-5	1	0	1	0	0	0	0	0	2	4	-2	0	0.000	4	7	11	0	0	33	88	79	8	103	634	944	803	38	91	24	176	46	7	0	0.00%	8	4	50.00%	0	905	1567	57.75%	778	1377	56.50%	602	1042	57.77%	1515	807	1409	711	1448	702
25	Springfield Thunderbirds	2	2	0	0	0	0	0	0	5	3	2	1	1	0	0	0	0	0	0	3	2	1	1	1	0	0	0	0	0	0	2	1	1	4	1.000	5	7	12	0	0	33	88	79	8	73	634	944	803	38	57	11	71	60	8	1	12.50%	3	1	66.67%	0	905	1567	57.75%	778	1377	56.50%	602	1042	57.77%	1515	807	1409	711	1448	702
26	Syracuse Crunch	2	1	1	0	0	0	0	0	6	7	-1	1	1	0	0	0	0	0	0	4	3	1	1	0	1	0	0	0	0	0	2	4	-2	2	0.500	6	9	15	1	0	33	88	79	8	66	634	944	803	38	55	13	97	44	5	1	20.00%	6	2	66.67%	0	905	1567	57.75%	778	1377	56.50%	602	1042	57.77%	1515	807	1409	711	1448	702
27	Texas Stars	2	2	0	0	0	0	0	0	8	2	6	1	1	0	0	0	0	0	0	3	1	2	1	1	0	0	0	0	0	0	5	1	4	4	1.000	8	12	20	0	0	33	88	79	8	69	634	944	803	38	35	8	103	51	3	1	33.33%	4	2	50.00%	0	905	1567	57.75%	778	1377	56.50%	602	1042	57.77%	1515	807	1409	711	1448	702
28	Toronto Marlies	2	1	0	0	1	0	0	0	5	2	3	1	0	0	0	1	0	0	0	2	1	1	1	1	0	0	0	0	0	0	3	1	2	4	1.000	5	7	12	0	0	33	88	79	8	63	634	944	803	38	56	20	59	27	3	0	0.00%	12	1	91.67%	1	905	1567	57.75%	778	1377	56.50%	602	1042	57.77%	1515	807	1409	711	1448	702
29	Tucson Roadrunners	3	1	1	0	0	1	0	0	9	8	1	1	0	1	0	0	0	0	0	2	4	-2	2	1	0	0	0	1	0	0	7	4	3	3	0.500	9	15	24	0	0	33	88	79	8	97	634	944	803	38	98	39	128	46	10	5	50.00%	9	2	77.78%	0	905	1567	57.75%	778	1377	56.50%	602	1042	57.77%	1515	807	1409	711	1448	702
30	Utica Comets	2	1	1	0	0	0	0	0	10	7	3	1	1	0	0	0	0	0	0	6	2	4	1	0	1	0	0	0	0	0	4	5	-1	2	0.500	10	15	25	0	0	33	88	79	8	70	634	944	803	38	69	22	112	45	6	1	16.67%	6	2	66.67%	0	905	1567	57.75%	778	1377	56.50%	602	1042	57.77%	1515	807	1409	711	1448	702
31	Wilkes-Barre Scranton Penguins	2	2	0	0	0	0	0	0	11	4	7	1	1	0	0	0	0	0	0	6	3	3	1	1	0	0	0	0	0	0	5	1	4	4	1.000	11	17	28	0	0	33	88	79	8	60	634	944	803	38	55	14	133	42	11	8	72.73%	4	1	75.00%	0	905	1567	57.75%	778	1377	56.50%	602	1042	57.77%	1515	807	1409	711	1448	702
	Total	72	34	25	0	3	2	4	4	207	177	30	36	18	12	0	1	1	2	2	107	90	17	36	16	13	0	2	1	2	2	100	87	13	88	0.611	207	321	528	3	3	33	88	79	8	2395	634	944	803	38	1999	666	2846	1628	161	55	34.16%	192	52	72.92%	4	905	1567	57.75%	778	1377	56.50%	602	1042	57.77%	1515	807	1409	711	1448	702
	_Since Last GM Reset	72	34	25	0	3	2	4	4	207	177	30	36	18	12	0	1	1	2	2	107	90	17	36	16	13	0	2	1	2	2	100	87	13	88	0.611	207	321	528	3	3	33	88	79	8	2395	634	944	803	38	1999	666	2846	1628	161	55	34.16%	192	52	72.92%	4	905	1567	57.75%	778	1377	56.50%	602	1042	57.77%	1515	807	1409	711	1448	702
	_Vs Conference	40	19	16	0	0	2	2	1	108	99	9	20	9	8	0	0	1	1	1	57	55	2	20	10	8	0	0	1	1	0	51	44	7	45	0.563	108	171	279	2	3	33	88	79	8	1322	634	944	803	38	1065	356	1555	919	88	27	30.68%	105	36	65.71%	2	905	1567	57.75%	778	1377	56.50%	602	1042	57.77%	1515	807	1409	711	1448	702
	_Vs Division	19	7	11	0	0	2	2	0	59	45	14	10	2	7	0	0	1	1	0	35	27	8	9	5	4	0	0	1	1	0	24	18	6	20	0.526	59	95	154	1	1	33	88	79	8	629	634	944	803	38	510	161	855	427	53	17	32.08%	55	17	69.09%	1	905	1567	57.75%	778	1377	56.50%	602	1042	57.77%	1515	807	1409	711	1448	702

			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
72	88	L2	207	321	528	2395	1999	666	2846	1628	3	3

Tous les matchs
GP	W	L	OTW	OTL	SOW	SOL	GF	GA
72	34	25	3	2	4	4	207	177

Matchs locaux
GP	W	L	OTW	OTL	SOW	SOL	GF	GA
36	18	12	1	1	2	2	107	90

Matchs extérieurs
GP	W	L	OTW	OTL	SOW	SOL	GF	GA
36	16	13	2	1	2	2	100	87

Derniers 10 matchs
W	L	OTW	OTL	SOW	SOL
8	2	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
161	55	34.16%	192	52	72.92%	4

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
634	944	803	38	33	88	79	8

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
905	1567	57.75%	778	1377	56.50%	602	1042	57.77%

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
1515	807	1409	711	1448	702

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
2	14	Bakersfield Condors	3	San Diego Gulls	1	L			Sommaire du match
3	21	San Diego Gulls	1	Tucson Roadrunners	2	L	X		Sommaire du match
5	39	San Diego Gulls	3	Ontario Reign	2	W	X	X	Sommaire du match
7	57	Calgary Wranglers	5	San Diego Gulls	2	L			Sommaire du match
10	74	Colorado Eagles	0	San Diego Gulls	4	W			Sommaire du match
12	96	San Diego Gulls	1	Henderson Silver Knights	3	L			Sommaire du match
14	108	Iowa Wild	7	San Diego Gulls	6	L			Sommaire du match
15	117	San Diego Gulls	2	Grand Rapids Griffins	4	L			Sommaire du match
19	143	San Jose Barracuda	5	San Diego Gulls	1	L			Sommaire du match
20	153	San Diego Gulls	1	Calgary Wranglers	3	L			Sommaire du match
23	174	Bridgeport Islanders	2	San Diego Gulls	5	W			Sommaire du match
25	193	San Diego Gulls	2	Syracuse Crunch	4	L			Sommaire du match
26	206	Milwaukee Admirals	1	San Diego Gulls	3	W			Sommaire du match
28	220	San Diego Gulls	3	Bridgeport Islanders	2	W	X		Sommaire du match
31	236	San Diego Gulls	0	Hershey Bears	3	L			Sommaire du match
32	252	Hershey Bears	4	San Diego Gulls	2	L			Sommaire du match
34	267	Wilkes-Barre Scranton Penguins	3	San Diego Gulls	6	W			Sommaire du match
37	290	Calgary Wranglers	4	San Diego Gulls	3	L	X		Sommaire du match
38	299	San Diego Gulls	5	Wilkes-Barre Scranton Penguins	1	W			Sommaire du match
41	319	San Diego Gulls	6	Providence Bruins	2	W			Sommaire du match
42	332	Colorado Eagles	7	San Diego Gulls	5	L			Sommaire du match
44	348	San Diego Gulls	2	Abbotsford Canucks	3	L	X	X	Sommaire du match
46	360	San Diego Gulls	2	Ontario Reign	0	W			Sommaire du match
48	377	Ontario Reign	1	San Diego Gulls	3	W			Sommaire du match
49	384	San Diego Gulls	6	Laval Rocket	4	W			Sommaire du match
50	399	San Diego Gulls	4	Utica Comets	5	L			Sommaire du match
52	413	Henderson Silver Knights	4	San Diego Gulls	2	L			Sommaire du match
55	435	San Diego Gulls	6	Tucson Roadrunners	2	W			Sommaire du match
56	445	Belleville Senators	4	San Diego Gulls	2	L			Sommaire du match
59	468	Chicago Wolves	0	San Diego Gulls	4	W			Sommaire du match
61	485	San Diego Gulls	2	San Jose Barracuda	4	L			Sommaire du match
63	497	Abbotsford Canucks	2	San Diego Gulls	1	L	X	X	Sommaire du match
67	524	San Diego Gulls	2	Springfield Thunderbirds	1	W			Sommaire du match
68	537	Hartford Wolf Pack	1	San Diego Gulls	5	W			Sommaire du match
71	559	Grand Rapids Griffins	3	San Diego Gulls	2	L	X	X	Sommaire du match
73	576	San Diego Gulls	5	Hartford Wolf Pack	3	W			Sommaire du match
75	588	Providence Bruins	1	San Diego Gulls	2	W			Sommaire du match
77	605	San Diego Gulls	3	Grand Rapids Griffins	2	W			Sommaire du match
79	621	Toronto Marlies	1	San Diego Gulls	2	W	X		Sommaire du match
81	642	Iowa Wild	2	San Diego Gulls	3	W			Sommaire du match
82	655	San Diego Gulls	3	Rockford IceHogs	1	W			Sommaire du match
84	674	Lehigh Valley Phantoms	5	San Diego Gulls	4	L			Sommaire du match
86	688	San Diego Gulls	1	Milwaukee Admirals	2	L			Sommaire du match
88	705	San Jose Barracuda	2	San Diego Gulls	1	L			Sommaire du match
90	721	San Diego Gulls	3	Belleville Senators	2	W	X		Sommaire du match
92	741	Coachella Valley Firebirds	1	San Diego Gulls	3	W			Sommaire du match
93	752	San Diego Gulls	4	Coachella Valley Firebirds	1	W			Sommaire du match
95	771	San Diego Gulls	2	Manitoba Moose	3	L			Sommaire du match
97	782	Charlotte Checkers	2	San Diego Gulls	1	L			Sommaire du match
98	793	San Diego Gulls	3	Cleveland Monsters	4	L	X	X	Sommaire du match
101	815	Manitoba Moose	2	San Diego Gulls	4	W			Sommaire du match
103	834	San Diego Gulls	4	Henderson Silver Knights	2	W			Sommaire du match
104	843	Utica Comets	2	San Diego Gulls	6	W			Sommaire du match
107	868	Cleveland Monsters	1	San Diego Gulls	2	W	X	X	Sommaire du match
109	882	San Diego Gulls	1	Charlotte Checkers	2	L			Sommaire du match
111	900	Syracuse Crunch	3	San Diego Gulls	4	W			Sommaire du match
112	909	San Diego Gulls	2	Bakersfield Condors	3	L			Sommaire du match
115	931	San Diego Gulls	2	Chicago Wolves	1	W			Sommaire du match
116	941	Texas Stars	1	San Diego Gulls	3	W			Sommaire du match
119	962	San Diego Gulls	2	Colorado Eagles	1	W			Sommaire du match
120	973	San Diego Gulls	5	Texas Stars	1	W			Sommaire du match
Date limite d’échanges --- Les échanges ne peuvent plus se faire après la simulation de cette journée!
122	985	Tucson Roadrunners	4	San Diego Gulls	2	L			Sommaire du match
124	1005	Springfield Thunderbirds	2	San Diego Gulls	3	W			Sommaire du match
127	1029	Rockford IceHogs	1	San Diego Gulls	2	W			Sommaire du match
128	1044	San Diego Gulls	3	Lehigh Valley Phantoms	2	W	X	X	Sommaire du match
129	1053	San Diego Gulls	3	Toronto Marlies	1	W			Sommaire du match
131	1067	Laval Rocket	1	San Diego Gulls	3	W			Sommaire du match
133	1085	San Diego Gulls	3	Calgary Wranglers	2	W			Sommaire du match
135	1100	Bakersfield Condors	2	San Diego Gulls	3	W	X	X	Sommaire du match
139	1123	Rochester Americans	1	San Diego Gulls	2	W			Sommaire du match
141	1139	San Diego Gulls	1	Rochester Americans	4	L			Sommaire du match
142	1146	San Diego Gulls	2	Iowa Wild	5	L			Sommaire du match

Capacité de l’aréna - Tendance du prix des billets - %
	Niveau 1	Niveau 2
Capacité	2000	1000
Prix des billets	39	18
Assistance	69,773	34,606
Assistance PCT	96.91%	96.13%

Revenu
Matchs à domicile restants	Assistance moyenne - %	Revenu moyen par match	Revenu annuel à ce jour	Capacité	Popularité de l’équipe
0	2899 - 96.65%	92,890$	3,344,055$	3000	100

Dépenses
Dépenses annuelles à ce jour	Salaire total des joueurs	Salaire total moyen des joueurs	Salaire des entraineurs
2,286,557$	1,794,041$	1,781,791$	0$

Plafond salarial par jour	Plafond salarial à ce jour	Joueurs Inclus dans le plafond salarial	Joueurs exclut du plafond Salarial
0$	1,786,583$	0	0

Estimation
Revenus de la saison estimés	Jours restants de la saison	Dépenses par jour	Dépenses de la saison estimées
0$	0	15,821$	0$

San Diego Gulls 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

San Diego Gulls 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

San Diego Gulls 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

San Diego Gulls 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

San Diego Gulls 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

	San Diego Gulls
	GP: 72 \| W: 41 \| L: 25 \| OTL: 6 \| P: 88 GF: 207 \| GA: 177 \| PP%: 34.16% \| PK%: 72.92% DG: Robhert Esserud \| Morale : 61 \| Moyenne d’équipe : 59