1 partida · 19 rounds · SteamID 76561198065099763
Rating de impacto
Como o rating se forma e onde ele fica em relação ao resto do grupo
- Rating
- 0.93grupo 1.18
- Impacto
- 1.23grupo 1.22
- Kills por round
- 0.74grupo 0.72
- Mortes por round
- 0.95grupo 0.71
- ADR
- 94grupo 101
- KAST
- 58%grupo 72%
Função no time
O que os números dizem sobre o estilo de jogo
- Entry kills
- Round ganho depois de morrer primeiro
- Tempo de duelo
- 1805 ms do primeiro dano até a kill
- Round ganho após abrir
- Clutches
- Trocas
- Vingança nos dois sentidos
- Utilitário
- 4 de dano · 3 inimigos cegados · 0 assists de flash
- Objetivo
- 2 bombas plantadas · 0 desarmadas · 2 MVPs
- Multi-kills
- 5× 2k · 0× 3k · 0× 4k · 0× ace
745 ms mais lento que a média do grupo
CT vs TR
Mesmo jogador, lados diferentes
Armas favoritas
14 kills com as 5 mais usadas · 0.74 por round
- AK-4770.37/round
- MP720.11/round
- Glock-1820.11/round
- P200020.11/round
- M4A410.05/round
Por tipo de compra
Do pistol round ao full buy: quanto ele aparece e quanto rende em cada economia
- K/D
- 1.00
- KPR
- 1.00
- ADR
- 116
- Kills
- 2
- K/D
- 0.50
- KPR
- 0.50
- ADR
- 29
- Kills
- 1
- K/D
- 0.63
- KPR
- 0.56
- ADR
- 90
- Kills
- 5
- K/D
- 1.00
- KPR
- 1.00
- ADR
- 115
- Kills
- 6
- K/D
- 1.00
- KPR
- 1.00
- ADR
- 116
- Kills
- 2
- K/D
- 1.00
- KPR
- 1.00
- ADR
- 132
- Kills
- 1
- K/D
- 1.00
- KPR
- 0.75
- ADR
- 75
- Kills
- 3
- K/D
- 0.67
- KPR
- 0.67
- ADR
- 94
- Kills
- 8
21% das kills saíram contra pistola ou eco; 79% contra semi ou full buy.
Flashes e utilidade
Quanto as granadas dele viram vantagem para o time
6.2s de inimigo cego · 4.9s de aliado cego
Vida no round
Quanto tempo ele fica vivo, quando aparece a primeira kill e o que vem depois da bomba
Pós-plant e retake aparecem depois que as demos forem lidas de novo.
Economia
O que ele carrega, o que gasta e o que salva
Os números de economia aparecem depois que as demos forem lidas de novo.
Ficha corrida
O que a demo registra e ninguém gostaria que registrasse
Mapa de calor de rotas
Cada ponto é uma posição amostrada por segundo; ficar mais tempo deixa o ponto maior e mais intenso
Visão geral · 11 áreas
Visão geral · 12 áreas
Mapa vetorial por setpos.gg. TSpawn e CTSpawn não entram na leitura.
| Mapa | Jogos | Vitórias | Rounds | K–D | KPR | ADR | Rating |
|---|---|---|---|---|---|---|---|
| Nuke | 1 | 0 (0%) | 19 | 14–18 | 0.74 | 94 | 0.93 |
Histórico
Partidas de [Django] registradas em Mix dos CAMPEÕES
| Data | Mapa | Resultado | Placar | K–D–A | ADR | KAST | Rating |
|---|---|---|---|---|---|---|---|
| 31 de out. de 2026 | Nuke | Derrota | 13–6 | 14–18–3 | 94 | 58% | 0.93 |
Levar os dados para uma IA
Tudo o que a gente guarda sobre esse jogador, num arquivo só, para pedir análise fora daqui
O arquivo tem a carreira somada, cada uma das 1 partida com os rounds em ordem, o recorte por mapa, a média do grupo para comparação e um glossário explicando cada campo. Nenhuma demo vai junto, só os números.
- Baixar o JSON
- Anexar o arquivo numa conversa com ChatGPT, Claude, Gemini ou outro.
- Mandar o pedido abaixo, ou escrever o seu.
Anexei a exportação das minhas estatísticas de CS2 ([Django], 1 partidas, 19 rounds). Leia o campo readme e o glossary antes de concluir qualquer coisa. Me diga, com os números como prova: meus três pontos fortes, os três erros que mais custam rounds e o que treinar nas próximas semanas, em ordem. Compare com teamBaseline em vez de julgar número solto, separe CT e TR, aponte os mapas em que caio mais e explique se a amostra é pequena demais para alguma conclusão.