Comment faire un compteur dans une condition dans une définition

Bonjour,
je cherche à savoir comment savoir combien de fois une condition a été exécuté dans une définition :
J'ai créé un programme qui python qui simule le résultat d'un match de foot ( victoire de l'équipe à domicile , à l'extérieur ou match nul) seulement ce programme peu donner des résultat différents pour un même match car c'est IA basé en partie sur le hasard .
J'ai donc ajouté une boucle qui fait que le programme s'exécute 1000 fois mais j'aimerai avoir un compteur qui m'indique combien de fois le programme trouve la victoire de l'équipe à domicile etc ...

voici un résumé du programme :

c = 1000

while c < 1000 :

  def 1:
    blabla

 def 2 :
   if blabla :
      print("v de l'équipe à domicile") <-- comment mettre un compteur ici?
   if blabla
      print("v de l'équipe à l'exterieur")<-- là
   else blabla
        print("match nul)<-- et là



code complet :

import numpy as np
import pandas

c = 0

while c < 1000 :
  x_entrer = np.array(([3,2,0,1,2,2,2,3,0,2,2,1,3,0,2,4,6,0,2,4,4], [3,0,2,2,1,2,1,1,3,2,1,2,3,1,1,2,2,6,4,2,4], [2,2,1,2,2,1,1,4,0,2,3,0,1,1,3,2,8,0,4,6,0], [2,2,1,3,2,0,1,2,2,2,3,0,1,3,1,2,4,4,0,6,4], [1,3,1,1,1,3,3,1,1,0,2,3,2,1,2,6,2,2,6,4,0], [1,0,4,2,1,2,0,1,4,2,1,2,1,0,4,0,2,8,4,2,4], [1,2,2,3,1,1,0,2,3,2,1,2,1,1,3,0,4,6,4,2,4], [2,3,0,2,1,2,0,4,1,1,1,3,3,2,0,0,8,2,6,2,2], [1,2,2,2,0,3,2,2,1,3,0,2,0,1,4,4,4,2,4,0,6], [3,0,2,0,0,5,4,1,0,0,0,5,3,2,0,8,2,0,10,0,0], [3,2,0,3,0,2,3,1,1,0,2,3,1,2,2,6,2,2,6,4,0]), dtype=float)
  y = np.array(([0], [1], [1], [0.5], [0], [0.5], [1], [0.5], [1], [0]), dtype=float)
  x_entrer = x_entrer/np.amax(x_entrer, axis=0) 

  X = np.split(x_entrer, [10])[0]
  xPrediction = np.split(x_entrer, [10])[1]

  class Neural_Network(object):
    def __init__(self):

      self.inputSize = 21
      self.outputSize = 1
      self.hiddenSize = 22 

      self.W1 = np.random.randn(self.inputSize, self.hiddenSize) 
      self.W2 = np.random.randn(self.hiddenSize, self.outputSize) 
  

    def forward(self, X):

      self.z = np.dot(X, self.W1)
      self.z2 = self.sigmoid(self.z)
      self.z3 = np.dot(self.z2, self.W2)
      o = self.sigmoid(self.z3)
      return o

    def sigmoid(self, s):
      return 1/(1+np.exp(-s))

    def sigmoidPrime(self, s):
      return s * (1 - s)

    def backward(self, X, y, o):

      self.o_error = y - o
      self.o_delta = self.o_error*self.sigmoidPrime(o)

      self.z2_error = self.o_delta.dot(self.W2.T)
      self.z2_delta = self.z2_error*self.sigmoidPrime(self.z2) 

      self.W1 += X.T.dot(self.z2_delta)
      self.W2 += self.z2.T.dot(self.o_delta)

    def train(self, X, y):

    def predict(self):
      
      print("")
      if(self.forward(xPrediction) < (1/3)):
        print("\033[32mVictoire de l'équipe à domicile ! \033[0m\n")<--ici
      elif(self.forward(xPrediction) > (2/3)):   
        print("\033[31mVictoire de l'équipe à l'extérieur ! \033[0m\n")<-- ici
      elif(self.forward(xPrediction) == (1/3)):
        print("Victoire de l'équipe à domicile ou match nul ! \n")
      elif(self.forward(xPrediction) == (1/3)):
        print("Victoire de l'équipe à l'extérieur ou match nul ! \n")
      else :
        print("\033[33mMatch nul ! \033[0m\n")<-- ici

      

  NN = Neural_Network()

  for i in range(1000):
      NN.train(X,y)

  NN.predict()
  c=c+1

EDIT : Ajout des balises de code (la coloration syntaxique). Explications disponibles ici : ICI Merci d'y penser dans tes prochains messages.