Toronto Maple Leafs
Domicile
Formation
Points
Informations joueurs
Lignes
Statistiques d’équipe
Calendrier
Finance

Centre de jeu
	Utica Comets 6-7-0, 12pts	5	FINAL	2	Toronto Marlies 3-4-0, 6pts

Team Stats
L1	Séquence	L2
2-5-0	Fiche domicile	0-3-0
4-2-0	Fiche domicile	3-1-0
5-5-0	Derniers 10 matchs	3-4-0
3.62	Buts par match	2.71
3.15	Buts contre par match	3.43
25.45%	Pourcentage en avantage numérique	20.00%
75.61%	Pourcentage en désavantage numérique	72.41%

Toronto Marlies
3-4-0, 6pts

FINAL

Utica Comets
6-7-0, 12pts

Team Stats
L2	Séquence	L1
0-3-0	Fiche domicile	2-5-0
3-1-0	Fiche domicile	4-2-0
3-4-0	Derniers 10 matchs	5-5-0
2.71	Buts par match	3.62
3.43	Buts contre par match	3.15
20.00%	Pourcentage en avantage numérique	25.45%
72.41%	Pourcentage en désavantage numérique	75.61%

Meneurs d'équipe
	Buts Joseph Blandisi 3	Passes Conor Timmins 8

	Points Conor Timmins 8	Plus/Moins Joseph Blandisi 3

	Victoires Matt Murray 3	Pourcentage d’arrêts Matt Murray 0.918

Statistiques d’équipe
Buts pour 19 2.71 GFG	Tirs pour 250 35.71 Avg	Pourcentage en avantage numérique 20.0% 5 GF	Début de zone offensive 41.0%
Buts contre 24 3.43 GAA	Tirs contre 280 40.00 Avg	Pourcentage en désavantage numérique 72.4%% 8 GA	Début de la zone défensive 43.1%

Informations de l'équipe
	Directeur général	Flavio
	Entraîneur	John Gruden
	Division	North Division
	Conférence	Eastern Conference
	Capitaine
	Assistant #1
	Assistant #2
Informations de l’aréna
	Capacité	3,000
	Assistance	2,975
	Billets de saison	0
Informations de la formation
	Équipe Pro	34
	Équipe Mineure	18
	Limite contact	52 / 70
	Espoirs	11

Afficher ou masquer des colonnes

Astuces sur les filtres (anglais seulement)

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

#	Nom du joueur	#	C	L	R	D	CON	CK	FG	DI	SK	ST	EN	DU	PH	FO	PA	SC	DF	PS	EX	LD	PO	MO	OV	SP	Âge	Contrat	Salaire moyen
1	Dylan Gambrell	0	X				100.00	77	40	86	66	73	63	83	58	71	69	60	77	54	61	58	0	47	67	0	28	1	775,000$
2	Kieffer Bellows	0		X	X		100.00	71	51	83	64	73	60	64	58	52	66	61	66	55	57	57	0	47	64	0	26	1	775,000$
3	Logan Shaw	0	X				100.00	55	57	65	63	69	66	64	63	55	61	61	59	58	70	62	0	47	62	0	32	1	775,000$
4	Alex Steeves	0	X				100.00	55	58	66	64	63	66	64	61	55	59	61	59	54	58	55	0	47	61	0	25	1	775,000$
5	Bobby McMann	0	X				100.00	58	56	69	62	70	63	60	58	54	58	60	62	54	62	58	0	47	61	0	28	1	775,000$
6	Joseph Blandisi	0	X				100.00	56	57	64	59	61	65	63	59	70	58	59	62	54	67	60	0	47	60	0	30	1	775,000$
7	Kyle Clifford	0		X	X		100.00	61	62	70	60	74	61	65	57	54	59	57	61	54	75	62	0	47	60	0	33	1	775,000$
8	Fraser Minten	0	X	X	X		100.00	60	60	60	60	60	60	60	60	60	60	60	60	60	60	60	0	47	60	0	20	3	1,300,000$
9	Easton Cowan (R)	0	X	X	X		100.00	60	60	60	60	60	60	60	60	60	60	60	60	60	60	60	0	47	60	0	19	1	775,000$
10	Braeden Kressler (R)	0	X				100.00	60	60	60	60	60	60	60	60	60	60	60	60	60	60	60	0	47	60	0	21	1	775,000$
11	Matthew Knies	0		X	X		100.00	54	38	67	52	79	67	54	52	48	58	50	57	51	51	55	0	47	56	0	22	1	1,100,000$
12	Ryan Tverberg	0	X				100.00	51	51	65	51	59	52	52	51	52	51	51	57	51	51	49	0	47	52	0	22	1	775,000$
13	Jake Muzzin	0				X	100.00	70	40	76	66	90	77	72	57	40	64	55	79	54	77	65	0	44	68	0	35	1	775,000$
14	Simon Benoit	0				X	100.00	81	67	82	57	77	78	82	57	40	69	59	83	54	57	58	0	42	68	0	26	1	775,000$
15	Conor Timmins	0				X	100.00	66	42	83	66	76	70	61	59	40	73	56	75	54	56	57	0	47	66	0	26	1	775,000$
16	William Lagesson	0				X	100.00	59	62	72	60	71	66	65	58	40	61	57	69	54	62	58	0	48	62	0	28	1	775,000$
17	Maxime Lajoie	0				X	100.00	55	56	66	60	65	66	64	60	40	60	57	61	54	62	57	0	47	60	0	27	1	775,000$
18	Noah Chadwick (R)	0				X	100.00	60	60	60	60	60	60	60	60	60	60	60	60	60	60	60	0	47	60	0	19	1	775,000$
Rayé
1	Josiah Slavin	0	X	X	X		100.00	54	56	67	57	64	66	64	57	55	56	58	59	54	60	56	0	24	59	0	26	1	775,000$
2	Max Ellis	0		X	X		100.00	55	55	67	57	56	60	60	56	55	55	57	61	54	56	54	0	24	57	0	24	1	775,000$
3	Zach Solow	0		X	X		100.00	56	54	66	55	57	58	58	55	55	54	55	60	54	60	56	0	24	56	0	26	1	775,000$
4	Dmitri Ovchinnikov	0	X	X	X		100.00	54	54	68	54	56	55	54	54	55	54	54	61	54	53	52	0	24	55	0	22	1	775,000$
5	David Farrance	0				X	100.00	55	54	67	58	62	63	61	57	40	57	55	60	55	58	55	0	24	58	0	25	1	775,000$
6	William Villeneuve	0				X	100.00	55	54	62	56	60	61	60	57	44	57	55	60	54	54	53	0	24	57	0	22	1	775,000$
7	Matteo Pietroniro	0				X	100.00	56	55	65	55	62	61	60	54	40	54	54	60	54	60	56	0	24	57	0	26	1	775,000$
8	Mikko Kokkonen	0				X	100.00	55	54	62	55	62	59	58	55	44	55	54	58	54	55	53	0	24	56	0	23	1	775,000$
9	Marshall Rifai	0				X	100.00	54	52	57	55	60	64	63	54	38	53	53	58	51	58	53	0	24	56	0	26	1	775,000$
10	Tommy Miller	0				X	100.00	51	51	65	53	61	59	57	52	38	52	51	58	51	56	52	0	24	54	0	25	1	775,000$
11	Topi Niemela	0				X	100.00	51	51	65	52	54	52	52	51	38	51	51	57	51	51	49	0	24	53	0	22	1	775,000$

	MOYENNE D’ÉQUIPE						100.00	59	54	68	59	65	63	62	57	50	59	57	63	55	60	57	0	38	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 moyen
1	Matt Murray	0	100.00	76	70	71	89	79	73	81	70	82	72	83	68	68	0	52	76	0	30	2	775,000$
2	Keith Petruzzelli	0	100.00	67	66	67	86	66	65	67	66	65	67	66	63	69	0	52	67	0	25	1	775,000$
Rayé
1	Joseph Woll	0	100.00	64	59	59	72	71	57	71	62	65	57	58	59	55	0	34	64	0	26	1	1,000,000$
2	Artur Akhtyamov (R)	0	100.00	60	60	60	60	60	60	60	60	60	60	60	60	60	0	34	60	0	23	1	775,000$
3	Dennis Hildeby	0	100.00	51	51	51	73	61	51	62	51	55	52	62	51	48	0	34	55	0	23	1	775,000$

	MOYENNE D’ÉQUIPE		100.00	64	61	62	76	67	61	68	62	65	62	66	60	60	0	41	64

Nom de l’entraîneur	PH	DF	OF	PD	EX	LD	PO	CNT	Âge	Contrat	Salaire
John Gruden	68	75	64	68	77	72	73	USA	52	7	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	PKS	PKM	GW	GT	FO%	FOT	EG	P/20	FL	S1	S2	S3
1	Conor Timmins	Toronto Marlies (TOR)	D	7	0	8	8	-1	4	0	9	12	17	3	10	0%	12	159	22.80	0	4	4	12	21	0	19	0	0	0%	0	0	1.00	0	0	1	1
2	William Lagesson	Toronto Marlies (TOR)	D	7	2	4	6	-1	0	0	10	10	12	5	6	16.67%	9	163	23.40	2	0	2	8	21	0	24	0	0	0%	0	0	0.73	0	0	0	1
3	Dylan Gambrell	Toronto Marlies (TOR)	C	7	1	3	4	1	4	0	17	28	30	10	27	3.33%	4	140	20.02	0	0	0	6	20	2	19	0	0	50.87%	230	1	0.57	0	1	0	0
4	Joseph Blandisi	Toronto Marlies (TOR)	C	7	3	1	4	3	2	0	4	9	14	3	5	21.43%	0	55	7.94	0	0	0	0	1	0	0	1	0	54.29%	70	0	1.44	0	1	0	0
5	Logan Shaw	Toronto Marlies (TOR)	C	7	0	4	4	-2	2	0	10	15	24	7	17	0%	2	140	20.00	0	4	4	5	23	0	21	0	0	41.62%	173	0	0.57	0	0	0	0
6	Noah Chadwick	Toronto Marlies (TOR)	D	7	1	3	4	-1	12	0	26	6	11	3	10	9.09%	13	146	20.93	1	0	1	7	22	0	18	0	1	0%	0	0	0.55	0	0	1	0
7	Jake Muzzin	Toronto Marlies (TOR)	D	7	0	3	3	0	2	0	14	9	6	3	10	0%	8	115	16.47	0	0	0	0	0	0	10	0	0	0%	0	0	0.52	0	0	0	0
8	Kieffer Bellows	Toronto Marlies (TOR)	LW/RW	7	2	1	3	1	4	0	9	5	24	5	18	8.33%	1	141	20.25	0	0	0	5	20	1	21	0	0	33.33%	12	0	0.42	0	1	0	0
9	Kyle Clifford	Toronto Marlies (TOR)	LW/RW	7	2	1	3	-3	0	0	11	5	20	7	11	10.00%	0	119	17.12	1	0	1	6	23	0	2	1	0	16.67%	6	0	0.50	0	0	1	0
10	Simon Benoit	Toronto Marlies (TOR)	D	7	1	2	3	0	11	5	11	9	13	1	4	7.69%	5	105	15.06	0	0	0	0	0	0	2	0	0	0%	0	0	0.57	1	0	0	0
11	Alex Steeves	Toronto Marlies (TOR)	C	7	2	0	2	-3	2	0	4	8	13	4	11	15.38%	1	125	17.89	0	0	0	3	21	0	24	0	0	36.57%	175	0	0.32	0	0	0	0
12	Bobby McMann	Toronto Marlies (TOR)	C	7	2	0	2	0	0	0	1	4	10	2	8	20.00%	0	103	14.77	0	0	0	0	0	0	4	0	0	83.33%	6	0	0.39	0	0	0	1
13	Maxime Lajoie	Toronto Marlies (TOR)	D	7	0	2	2	-1	10	0	15	10	10	4	10	0%	11	146	20.93	0	1	1	6	23	0	18	0	0	0%	0	0	0.27	0	0	0	0
14	Fraser Minten	Toronto Marlies (TOR)	C/LW/RW	7	0	2	2	-3	2	0	7	5	10	4	8	0%	1	81	11.69	0	0	0	0	0	0	1	0	0	66.67%	6	0	0.49	0	0	0	0
15	Matthew Knies	Toronto Marlies (TOR)	LW/RW	7	1	1	2	3	2	0	7	2	9	1	4	11.11%	1	53	7.69	0	0	0	0	0	0	0	0	0	0%	3	0	0.74	0	0	0	0
16	Braeden Kressler	Toronto Marlies (TOR)	C	7	2	0	2	-3	4	0	20	3	16	5	10	12.50%	1	117	16.76	1	0	1	6	23	0	0	1	0	41.67%	12	0	0.34	0	0	0	0
17	Ryan Tverberg	Toronto Marlies (TOR)	C	7	0	0	0	3	2	0	4	0	2	1	2	0%	0	53	7.63	0	0	0	0	0	0	0	0	0	0%	1	0	0	0	0	0	0
18	Easton Cowan	Toronto Marlies (TOR)	C/LW/RW	7	0	0	0	-3	0	0	20	1	9	4	3	0%	0	80	11.46	0	0	0	0	0	0	0	0	0	83.33%	6	0	0	0	0	0	0
Statistiques d’équipe totales ou en moyenne				126	19	35	54	-10	63	5	199	141	250	72	174	7.60%	69	2049	16.27	5	9	14	64	226	3	191	3	1	45.00%	700	1	0.53	1	3	3	3

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	Matt Murray	Toronto Marlies (TOR)	7	3	4	0	0.918	3.29	419	2	0	23	279	0	0	1	0	0	7	0	0	0	0
Statistiques d’équipe totales ou en moyenne			7	3	4	0	0.918	3.29	419	2	0	23	279	0	0	1		0	7	0	0	0	0

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	Salaire moyen	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
Alex Steeves	Toronto Marlies (TOR)	C	25	10.12.1999	No	89 Kg	183 CM	No	No	N/A	No	No	1	False	False	Pro & Farm	775,000$	775,000$	0$	0$	No	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	Lien
Artur Akhtyamov	Toronto Marlies (TOR)	G	23	31.10.2001	Yes	76 Kg	185 CM	No	No	N/A	No	No	1	False	False	Pro & Farm	775,000$	775,000$	0$	0$	No	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	Lien
Bobby McMann	Toronto Marlies (TOR)	C	28	15.06.1996	No	95 Kg	188 CM	No	No	N/A	No	No	1	False	False	Pro & Farm	775,000$	775,000$	0$	0$	No	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	Lien
Braeden Kressler	Toronto Marlies (TOR)	C	21	05.01.2003	Yes	79 Kg	175 CM	No	No	N/A	No	No	1	False	False	Pro & Farm	775,000$	775,000$	0$	0$	No	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	Lien
Conor Timmins	Toronto Marlies (TOR)	D	26	18.09.1998	No	92 Kg	188 CM	No	No	N/A	No	No	1	False	False	Pro & Farm	775,000$	775,000$	0$	0$	No	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	Lien
David Farrance	Toronto Marlies (TOR)	D	25	23.06.1999	No	86 Kg	180 CM	No	No	N/A	No	No	1	False	False	Pro & Farm	775,000$	775,000$	0$	0$	No	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	Lien
Dennis Hildeby	Toronto Marlies (TOR)	G	23	19.08.2001	No	106 Kg	198 CM	No	No	N/A	No	No	1	False	False	Pro & Farm	775,000$	775,000$	0$	0$	No	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	Lien
Dmitri Ovchinnikov	Toronto Marlies (TOR)	C/LW/RW	22	19.08.2002	No	74 Kg	180 CM	No	No	N/A	No	No	1	False	False	Pro & Farm	775,000$	775,000$	0$	0$	No	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	Lien
Dylan Gambrell	Toronto Marlies (TOR)	C	28	26.08.1996	No	84 Kg	180 CM	No	No	N/A	No	No	1	False	False	Pro & Farm	775,000$	775,000$	0$	0$	No	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	Lien / Lien NHL
Easton Cowan	Toronto Marlies (TOR)	C/LW/RW	19	20.05.2005	Yes	84 Kg	180 CM	No	No	N/A	No	No	1	False	False	Pro & Farm	775,000$	775,000$	0$	0$	No	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	Lien
Fraser Minten	Toronto Marlies (TOR)	C/LW/RW	20	05.07.2004 06:31:35	No	87 Kg	188 CM	No	No	N/A	No	No	3	False	False	Pro & Farm	1,300,000$	1,300,000$	0$	0$	No	1,300,000$	1,300,000$	-	-	-	-	-	-	-	No	No	-	-	-	-	-	-	-
Jake Muzzin	Toronto Marlies (TOR)	D	35	21.02.1989	No	103 Kg	191 CM	No	No	N/A	No	No	1	False	False	Pro & Farm	775,000$	775,000$	0$	0$	No	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	Lien
Joseph Blandisi	Toronto Marlies (TOR)	C	30	18.07.1994	No	83 Kg	183 CM	No	No	N/A	No	No	1	False	False	Pro & Farm	775,000$	775,000$	0$	0$	No	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	Lien
Joseph Woll	Toronto Marlies (TOR)	G	26	12.07.1998	No	92 Kg	191 CM	No	No	N/A	No	No	1	False	False	Pro & Farm	1,000,000$	1,000,000$	0$	0$	No	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	Lien
Josiah Slavin	Toronto Marlies (TOR)	C/LW/RW	26	31.12.1998	No	86 Kg	191 CM	No	No	N/A	No	No	1	False	False	Pro & Farm	775,000$	775,000$	0$	0$	No	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	Lien
Keith Petruzzelli	Toronto Marlies (TOR)	G	25	09.02.1999	No	84 Kg	196 CM	No	No	N/A	No	No	1	False	False	Pro & Farm	775,000$	775,000$	0$	0$	No	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	Lien
Kieffer Bellows	Toronto Marlies (TOR)	LW/RW	26	10.06.1998	No	89 Kg	185 CM	No	No	N/A	No	No	1	False	False	Pro & Farm	775,000$	775,000$	0$	0$	No	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	Lien
Kyle Clifford	Toronto Marlies (TOR)	LW/RW	33	13.01.1991	No	99 Kg	188 CM	No	No	N/A	No	No	1	False	False	Pro & Farm	775,000$	775,000$	0$	0$	No	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	Lien
Logan Shaw	Toronto Marlies (TOR)	C	32	05.10.1992	No	94 Kg	193 CM	No	No	N/A	No	No	1	False	False	Pro & Farm	775,000$	775,000$	0$	0$	No	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	Lien
Marshall Rifai	Toronto Marlies (TOR)	D	26	16.03.1998	No	86 Kg	185 CM	No	No	N/A	No	No	1	False	False	Pro & Farm	775,000$	775,000$	0$	0$	No	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	Lien
Matt Murray	Toronto Marlies (TOR)	G	30	25.05.1994	No	92 Kg	196 CM	No	No	N/A	No	No	2	False	False	Pro & Farm	775,000$	775,000$	0$	0$	No	775,000$	-	-	-	-	-	-	-	-	No	-	-	-	-	-	-	-	-	Lien
Matteo Pietroniro	Toronto Marlies (TOR)	D	26	20.10.1998	No	84 Kg	185 CM	No	No	N/A	No	No	1	False	False	Pro & Farm	775,000$	775,000$	0$	0$	No	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	Lien
Matthew Knies	Toronto Marlies (TOR)	LW/RW	22	17.10.2002	No	95 Kg	188 CM	No	No	N/A	No	No	1	False	False	Pro & Farm	1,100,000$	1,100,000$	0$	0$	No	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	Lien
Max Ellis	Toronto Marlies (TOR)	LW/RW	24	18.01.2000	No	78 Kg	175 CM	No	No	N/A	No	No	1	False	False	Pro & Farm	775,000$	775,000$	0$	0$	No	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	Lien
Maxime Lajoie	Toronto Marlies (TOR)	D	27	05.11.1997	No	89 Kg	185 CM	No	No	N/A	No	No	1	False	False	Pro & Farm	775,000$	775,000$	0$	0$	No	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	Lien
Mikko Kokkonen	Toronto Marlies (TOR)	D	23	18.01.2001	No	91 Kg	183 CM	No	No	N/A	No	No	1	False	False	Pro & Farm	775,000$	775,000$	0$	0$	No	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	Lien
Noah Chadwick	Toronto Marlies (TOR)	D	19	10.05.2005	Yes	91 Kg	193 CM	No	No	N/A	No	No	1	False	False	Pro & Farm	775,000$	775,000$	0$	0$	No	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	Lien
Ryan Tverberg	Toronto Marlies (TOR)	C	22	30.01.2002	No	86 Kg	183 CM	No	No	N/A	No	No	1	False	False	Pro & Farm	775,000$	775,000$	0$	0$	No	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	Lien
Simon Benoit	Toronto Marlies (TOR)	D	26	19.09.1998	No	92 Kg	191 CM	No	No	N/A	No	No	1	False	False	Pro & Farm	775,000$	775,000$	0$	0$	No	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	Lien / Lien NHL
Tommy Miller	Toronto Marlies (TOR)	D	25	06.03.1999	No	88 Kg	188 CM	No	No	N/A	No	No	1	False	False	Pro & Farm	775,000$	775,000$	0$	0$	No	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	Lien
Topi Niemela	Toronto Marlies (TOR)	D	22	25.03.2002	No	77 Kg	180 CM	No	No	N/A	No	No	1	False	False	Pro & Farm	775,000$	775,000$	0$	0$	No	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	Lien
William Lagesson	Toronto Marlies (TOR)	D	28	22.02.1996	No	94 Kg	188 CM	No	No	N/A	No	No	1	False	False	Pro & Farm	775,000$	775,000$	0$	0$	No	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	Lien
William Villeneuve	Toronto Marlies (TOR)	D	22	20.03.2002	No	83 Kg	188 CM	No	No	N/A	No	No	1	False	False	Pro & Farm	775,000$	775,000$	0$	0$	No	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	Lien
Zach Solow	Toronto Marlies (TOR)	LW/RW	26	06.11.1998	No	80 Kg	175 CM	No	No	N/A	No	No	1	False	False	Pro & Farm	775,000$	775,000$	0$	0$	No	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	Lien

Nombre de joueurs	Âge moyen	Poids moyen	Taille moyenne	Contrat moyen	Salaire moyen 1e année
34	25.32	88 Kg	185 CM	1.09	806,618$

Attaque à 5 contre 5
Ligne #	Ailier gauche	Centre	Ailier droit	% temps	PHY	DF	OF
1	Kieffer Bellows	Dylan Gambrell	Bobby McMann	33	1	2	2
2	Braeden Kressler	Logan Shaw	Kyle Clifford	30	1	2	2
3	Fraser Minten	Alex Steeves	Easton Cowan	25	1	2	2
4	Matthew Knies	Joseph Blandisi	Ryan Tverberg	12	1	2	2

Défense à 5 contre 5
Ligne #	Défense	Défense	% temps	PHY	DF	OF
1	Conor Timmins	William Lagesson	33	1	2	2
2	Noah Chadwick	Maxime Lajoie	30	1	2	2
3	Jake Muzzin	Simon Benoit	25	1	2	2
4	Conor Timmins	William Lagesson	12	1	2	2

Attaque en avantage numérique
Ligne #	Ailier gauche	Centre	Ailier droit	% temps	PHY	DF	OF
1	Kieffer Bellows	Dylan Gambrell	Alex Steeves	50	1	2	2
2	Braeden Kressler	Logan Shaw	Kyle Clifford	50	1	2	2

Défense en avantage numérique
Ligne #	Défense	Défense	% temps	PHY	DF	OF
1	Conor Timmins	William Lagesson	50	1	2	2
2	Noah Chadwick	Maxime Lajoie	50	1	2	2

Attaque à 4 en désavantage numérique
Ligne #	Centre	Ailier	% temps	PHY	DF	OF
1	Dylan Gambrell	Kieffer Bellows	50	1	2	2
2	Alex Steeves	Logan Shaw	50	1	2	2

Défense à 4 en désavantage numérique
Ligne #	Défense	Défense	% temps	PHY	DF	OF
1	Conor Timmins	William Lagesson	50	1	2	2
2	Noah Chadwick	Maxime Lajoie	50	1	2	2

3 joueurs en désavantage numérique
Ligne #	Ailier	% temps	PHY	DF	OF	Défense	Défense	% temps	PHY	DF	OF
1	Dylan Gambrell	50	1	2	2	Conor Timmins	William Lagesson	50	1	2	2
2	Kieffer Bellows	50	1	2	2	Noah Chadwick	Maxime Lajoie	50	1	2	2

Attaque à 4 contre 4
Ligne #	Centre	Ailier	% temps	PHY	DF	OF
1	Dylan Gambrell	Kieffer Bellows	50	1	2	2
2	Alex Steeves	Logan Shaw	50	1	2	2

Défense à 4 contre 4
Ligne #	Défense	Défense	% temps	PHY	DF	OF
1	Conor Timmins	William Lagesson	50	1	2	2
2	Noah Chadwick	Maxime Lajoie	50	1	2	2

Attaque dernière minute
Ailier gauche	Centre	Ailier droit	Défense	Défense
Kieffer Bellows	Dylan Gambrell	Logan Shaw	Conor Timmins	William Lagesson

Défense dernière minute
Ailier gauche	Centre	Ailier droit	Défense	Défense
Kieffer Bellows	Dylan Gambrell	Logan Shaw	Conor Timmins	William Lagesson

Attaquants supplémentaires
Normal	Avantage numérique	Désavantage numérique
Joseph Blandisi, Braeden Kressler, Alex Steeves	Joseph Blandisi, Braeden Kressler	Alex Steeves

Défenseurs supplémentaires
Normal	Avantage numérique	Désavantage numérique
Conor Timmins, William Lagesson, Noah Chadwick	Conor Timmins	William Lagesson, Noah Chadwick

Tirs de pénalité
Dylan Gambrell, Kieffer Bellows, Bobby McMann, Logan Shaw, Alex Steeves

Gardien
#1 : Matt Murray, #2 : Keith Petruzzelli

Lignes d’attaque personnalisées en prolongation
Dylan Gambrell, Kieffer Bellows, Fraser Minten, Logan Shaw, Alex Steeves, Bobby McMann, Bobby McMann, Easton Cowan, Kyle Clifford, Joseph Blandisi, Braeden Kressler

Lignes de défense personnalisées en prolongation
Conor Timmins, William Lagesson, Noah Chadwick, Maxime Lajoie, Simon Benoit

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	Utica Comets	7	3	4	0	0	0	0	0	19	24	-5	3	0	3	0	0	0	0	0	4	12	-8	4	3	1	0	0	0	0	0	15	12	3	6	0.429	19	35	54	1	0	8	2	9	0	250	84	76	90	0	280	69	65	199	25	5	20.00%	29	8	72.41%	0	127	287	44.25%	131	302	43.38%	57	111	51.35%	160	103	163	57	96	49
	Total	7	3	4	0	0	0	0	0	19	24	-5	3	0	3	0	0	0	0	0	4	12	-8	4	3	1	0	0	0	0	0	15	12	3	6	0.429	19	35	54	1	0	8	2	9	0	250	84	76	90	0	280	69	65	199	25	5	20.00%	29	8	72.41%	0	127	287	44.25%	131	302	43.38%	57	111	51.35%	160	103	163	57	96	49
	_Since Last GM Reset	7	3	4	0	0	0	0	0	19	24	-5	3	0	3	0	0	0	0	0	4	12	-8	4	3	1	0	0	0	0	0	15	12	3	6	0.429	19	35	54	1	0	8	2	9	0	250	84	76	90	0	280	69	65	199	25	5	20.00%	29	8	72.41%	0	127	287	44.25%	131	302	43.38%	57	111	51.35%	160	103	163	57	96	49
	_Vs Conference	7	3	4	0	0	0	0	0	19	24	-5	3	0	3	0	0	0	0	0	4	12	-8	4	3	1	0	0	0	0	0	15	12	3	6	0.429	19	35	54	1	0	8	2	9	0	250	84	76	90	0	280	69	65	199	25	5	20.00%	29	8	72.41%	0	127	287	44.25%	131	302	43.38%	57	111	51.35%	160	103	163	57	96	49

			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
7	6	L2	19	35	54	250	280	69	65	199	1	0

Tous les matchs
GP	W	L	OTW	OTL	SOW	SOL	GF	GA
7	3	4	0	0	0	0	19	24

Matchs locaux
GP	W	L	OTW	OTL	SOW	SOL	GF	GA
3	0	3	0	0	0	0	4	12

Matchs extérieurs
GP	W	L	OTW	OTL	SOW	SOL	GF	GA
4	3	1	0	0	0	0	15	12

Derniers 10 matchs
W	L	OTW	OTL	SOW	SOL
3	4	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
25	5	20.00%	29	8	72.41%	0

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
84	76	90	0	8	2	9	0

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
127	287	44.25%	131	302	43.38%	57	111	51.35%

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
160	103	163	57	96	49

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	Lien
1	2	Toronto Marlies	5	Utica Comets	3	W	Sommaire du match
3	10	Toronto Marlies	4	Utica Comets	2	W	Sommaire du match
5	18	Utica Comets	4	Toronto Marlies	1	L	Sommaire du match
7	26	Utica Comets	3	Toronto Marlies	1	L	Sommaire du match
9	34	Toronto Marlies	4	Utica Comets	3	W	Sommaire du match
11	42	Utica Comets	5	Toronto Marlies	2	L	Sommaire du match
13	50	Toronto Marlies	2	Utica Comets	4	L	Sommaire du match

Capacité de l’aréna - Tendance du prix des billets - %
	Niveau 1	Niveau 2
Capacité	2000	1000
Prix des billets	35	15
Assistance	6,000	2,924
Assistance PCT	100.00%	97.47%

Revenu
Matchs à domicile restants	Assistance moyenne - %	Revenu moyen par match	Revenu annuel à ce jour	Capacité	Popularité de l’équipe
4	2975 - 99.16%	84,620$	253,860$	3000	100

Dépenses
Dépenses annuelles à ce jour	Salaire total des joueurs	Salaire total moyen des joueurs	Salaire des entraineurs
0$	2,742,500$	2,742,500$	0$

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

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

Toronto Marlies 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

Toronto Marlies 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

Toronto Marlies 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

Toronto Marlies 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

Toronto Marlies 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

	Toronto Marlies
	GP: 7 \| W: 3 \| L: 4 GF: 19 \| GA: 24 \| PP%: 20.00% \| PK%: 72.41% DG: Flavio \| Morale : 11 \| Moyenne d’équipe : 60