看足球比赛的时候，普通球迷往往会被几个瞬间吸引：一次漂亮的直塞、一次射门中柱、一次门前混战、一个绝杀进球。可如果把一场90分钟的比赛放到数据分析师眼里，关注点就会发生变化。我们不只是看“有没有进球”，而是会去看：哪一段时间的进攻强度最高，哪一侧区域最活跃，哪一种推进方式最有效，哪些进攻看起来热闹但其实并不危险。

这时候，一个很有意思的分析工具就出现了——进攻心率图。

它不是医学意义上的心率，也不是球员佩戴胸带测出来的生理指标，而是一种非常形象的说法：把球队在比赛中的进攻活动、危险累积和节奏变化可视化之后，整场比赛就像一张会跳动的“心电图”。有的球队整场平稳，偶尔突然冲高；有的球队从头压到尾，曲线一直在高位震荡；还有的球队看似控球很多，但进攻曲线始终抬不起来。

从数据分析角度看，进攻心率图最大的价值，不在于“好看”，而在于它把本来分散在比赛事件流里的信息，压缩成了一种连续的、可解释的、便于比较的比赛节奏画像。它让我们能够回答很多过去只能凭感觉说的话。

比如：

“这支球队下半场压制力明显增强”——到底增强了多少？
“这次进球其实早有征兆”——征兆体现在什么地方？
“球队进攻很多，但威胁不大”——是射门质量低，还是推进断在危险区域外？
“某个边路打得很活”——活跃的是传球次数，还是禁区前沿的有效触球？

这些问题，一旦进入数据分析框架，就不能只靠肉眼印象，而需要一套更细致的表达方式。进攻心率图，正是这种表达方式的一种。

一、什么是足球中的进攻心率图？

如果用最简单的话来说，进攻心率图就是把一支球队在比赛过程中“进攻压力”随时间的变化画出来。横轴通常是比赛时间，纵轴通常是某种进攻强度指标。这个指标可以简单，也可以复杂，取决于你分析的深度。

最基础的做法，是用某一时间窗口内的进攻事件数量来表示强度。比如每分钟统计一次这支球队的：

• 进入进攻三区次数
• 禁区内触球次数
• 射门次数
• 关键传球次数
• 角球和定位球次数
• 高位夺回球权后的推进次数

如果这些事件在短时间内密集发生，曲线就会明显抬高；如果球队长时间被压制，曲线就会在低位徘徊。

但真正有分析价值的进攻心率图，通常不会只数“量”，还会对“质”进行加权。因为一次中圈横传和一次小禁区前的倒三角回传，虽然都可以算作一次传球，但危险程度完全不同。于是数据分析师会进一步引入更高级的指标，比如：

• xG（预期进球）
• xT（预期威胁）
• EPV（Expected Possession Value，预期控球价值）
• Dangerous Possession（危险控球回合）
• Progressive Pass / Progressive Carry（推进传球/推进带球）
• Field Tilt（前场压制比例）

这样一来，图就不再只是“热闹程度曲线”，而更接近球队进攻威胁的真实波动。

你可以把它理解成一个问题：
这支球队在比赛进行到某一分钟时，心跳到底快不快？而这个“快”，是空跑式的快，还是刀刀见血的快？

二、为什么数据分析师喜欢这种图？

因为比赛是连续的，但传统统计往往是离散的。

赛后技术统计表会告诉你，一支球队有15次射门、58%控球率、7次角球、12次关键传球。这些数字当然重要，但它们有个天然缺陷：它们把整场比赛“压扁”了。

压扁之后，我们看不到很多关键东西。

比如两队最后都是15次射门，但一队是均匀分布在全场，另一队是70到85分钟疯狂围攻；这两种比赛过程，给人的压力感完全不同。再比如一队控球率很高，但大部分时间都在中后场来回倒脚，真正形成威胁的时段其实很少。如果只看赛后总量，很多区别都消失了。

进攻心率图的价值，就在于它把“总量”重新展开回“过程”。

这对于数据分析师来说非常重要，因为很多比赛结果，本质上并不是由平均值决定的，而是由高峰时刻决定的。进球往往来自短时间内连续施压后的防线失衡，而不是来自全场平均意义上的“稍微占优”。

所以从分析逻辑上说，进攻心率图至少有四个很明显的优势。

第一，它能够捕捉比赛节奏变化。
一支球队何时进入主动攻击期，何时因为体能下降或者战术调整而回落，图上会非常直观。

第二，它能够识别进球前兆。
很多进球不是孤立发生的，而是前面几分钟已经积累了多个高威胁事件。曲线在进球前持续抬升，是非常常见的现象。

第三，它有助于区分伪进攻与真威胁。
有些球队看起来很热闹，传球很多，压得很靠前，但禁区渗透和高质量射门很少。进攻心率图如果引入质量权重，就能看出这种“虚高”。

第四，它适合做横向比较。
同样是强队，有的球队靠稳定压制，有的球队靠反击爆点，有的球队则善于在特定时间段突然提速。不同风格的进攻曲线会呈现完全不同的形状。

三、进攻心率图到底是怎么做出来的？

从技术上说，这类图的核心不是“画图”，而是先定义什么叫进攻强度。

也就是说，你必须先决定：你到底想让纵轴代表什么？

1. 最简单的版本：事件计数法

最朴素的方法，是对一系列进攻事件进行计数，然后按时间窗口汇总。比如每1分钟、每3分钟、每5分钟统计一次。常见事件包括：

• 射门
• 射正
• 禁区内触球
• 关键传球
• 传中
• 成功过人
• 进入前场30米区域
• 角球与前场任意球

假设我们用一个简单公式：

$$AttackIntensit{y}_t=3\times Shot{s}_t+2\times KeyPasse{s}_t+2\times BoxTouche{s}_t+1\times FinalThirdEntrie{s}_t$$

那么在每个时间窗口内，我们都能算出一个进攻强度值。再把这些值连起来，就形成了一条曲线。

这个方法优点是简单、直观、容易落地，哪怕你拿到的是比较基础的比赛事件数据，也能做。缺点也很明显：人为权重比较粗糙，而且难以真实反映不同事件的危险性差异。

比如两次射门，一个是30米远射，一个是六码区头球，不能简单看成完全一样。

2. 更进阶的版本：基于xG和xT的威胁累积

如果你有更丰富的数据，就可以做得更像“专业分析工具”。

比如把每一次射门的$$xG$$作为射门事件的价值，把每一次传球或带球造成的区域威胁提升量记为$$\Delta xT$$。那么某一时间窗口内的进攻强度可以写成：

$$Intensit{y}_t=\sum x{G}_t+\sum \Delta x{T}_t+\alpha \sum BoxTouche{s}_t+\beta \sum HighTurnover{s}_t$$

这里的思路就明显不一样了。它不再只是看“做了多少动作”，而是看这些动作到底让球队离进球更近了多少。

举个很直观的例子：

• 一支球队连续在边路回传、横传，控球时间很长，但没有把球送进危险区域，那么$$\Delta xT$$增长有限，曲线不会特别高。
• 另一支球队虽然控球时间短，但一次中路穿透直塞、一次肋部倒三角、一次六码区抢点，短时间内就会把曲线拉得很高。

这就是为什么高级进攻心率图往往比传统控球率图更有解释力。因为控球率只能告诉你“谁拿着球”，却不能充分说明“谁真正制造了危险”。

3. 时间平滑：让曲线更像“心跳”

如果你直接把每分钟的数值画出来，图可能会特别抖，噪声很大。这时候通常要做一个平滑处理，比如移动平均或高斯平滑。

常见方式是：

$$SmoothedIntensit{y}_t=\frac{1}{k}\sum _{i=t-k+1}^{t}Intensit{y}_i$$

如果用3分钟或5分钟移动窗口，曲线会更流畅，看起来更像一张“脉搏图”。这很适合博客展示和比赛复盘，因为读者更容易一眼看到高峰、低谷和趋势。

当然，平滑也有代价。平滑太强，短时间爆发会被抹掉；平滑太弱，图又显得太碎。所以分析师通常会根据比赛类型和分析目的来调整窗口大小。

如果是看整体趋势，用5分钟窗口往往比较合适；如果是研究进球前后的细节波动，1到3分钟窗口更灵敏。

四、一张好的进攻心率图，应该读出什么？

很多人第一次看到这种图，会下意识只看哪边高、哪边低。但真正的分析，远不止这么简单。

1. 看高峰出现在哪里

进攻高峰的位置很重要。它告诉你球队的施压是集中在什么时候出现的。

如果一支球队的高峰集中在开场前15分钟，可能意味着它有很强的前压开局设计，试图早早建立优势。
如果高峰集中在下半场70分钟后，可能说明它在比分落后后加强了进攻投入，或者换人后节奏明显提速。
如果高峰零散出现，说明球队节奏可能更依赖局部机会，而不是持续压制。

从数据上说，高峰位置反映的是战术节奏分配。

2. 看高峰是否连续

单个尖峰和连续高平台，意义不一样。

单个尖峰可能只是一次偶然反击或者一次定位球机会。
连续高平台则说明球队在某个阶段形成了稳定围攻，对对方防线造成了持续消耗。

而比赛中最容易进球的，往往不是单独一次进攻，而是连续三到五次高威胁回合叠加之后。这就像防线被不断压缩、不断提醒、不断拉扯，最终出现站位错误或者判断迟疑。

所以分析师会特别关注：
这波高强度进攻，到底是一闪而过，还是已经形成了持续压力场？

3. 看高峰有没有转化为结果

这一步特别关键，因为它能帮助我们判断球队的终结效率。

有些球队曲线很高，说明进攻组织和推进都做得不错，但迟迟不进球。这往往意味着：

• 射门转化率低
• 射门质量不高
• 最后一传不到位
• 门将表现出色
• 临门一脚决策不佳

而有些球队曲线不算很高，却能高效进球，往往意味着它们擅长抓关键机会，或者反击质量极高。

也就是说，进攻心率图不是只看“压了多久”，还要结合结果看：
这种压制到底值不值钱？

4. 看两队曲线是否互相咬合

如果把两队的进攻心率图画在同一张图上，就更有意思了。

有的比赛是“拉锯战”，一方高峰过后，另一方立刻反冲，双方曲线此起彼伏。
有的比赛是一边倒，一队长时间高位运行，另一队几乎抬不起头。
还有的比赛则是节奏错位，一方控球多但曲线平缓，另一方控球少却总能打出尖锐高峰。

这种双曲线对照，非常适合分析比赛的真实控制权。因为控球率的“控制”有时是假的，但威胁曲线的控制更接近真实。

五、为什么“进攻热力图”还不够，非要做“心率图”？

这是一个非常值得聊的问题。

很多足球数据可视化里，大家已经很熟悉热力图了。比如某名球员在哪些区域触球最多，某支球队主要从哪一侧发起进攻，这些都可以用空间热力图表示。

但热力图虽然好用，它有一个明显限制：它偏重空间，不擅长表达时间。

你能从热力图看出球队喜欢走左路、喜欢在禁区前沿触球，但你很难看出这些活动究竟是在上半场集中发生，还是在比赛末段突然加强。也很难看出球队的攻势是一波一波来的，还是长期稳定存在的。

而进攻心率图刚好相反，它偏重时间维度。它关注的是比赛进程中的节奏起伏。

所以从数据分析角度，二者其实不是替代关系，而是互补关系：

• 热力图回答的是：进攻主要发生在哪里。
• 心率图回答的是：进攻主要发生在什么时候，以及强度如何变化。

如果进一步结合，就能得到更完整的分析框架：

• 空间上，看球队攻击集中在哪些区域；
• 时间上，看这些攻击是在什么时候集中爆发；
• 质量上，看这些攻击是否真正提升了得分概率。

这才是现代足球分析越来越强调的东西：空间、时间和价值三者统一。

六、一个典型案例：看起来压制，为什么就是进不了球？

假设有这样一场比赛。

A队控球率62%，全场16次射门，B队控球率38%，全场8次射门。只看统计表，大多数人会觉得A队明显占优。

但如果我们画进攻心率图，可能会出现一种很常见的情况：A队的曲线整体不低，却很少出现真正陡峭的高峰；B队虽然大部分时间曲线偏低，但在三次反击中出现了明显尖峰，其中两次直接形成高质量射门。

这意味着什么？

意味着A队的进攻可能是一种“广义压制”，也就是球权和阵地位置都占优，但真正的高危机会制造能力一般。它的很多进攻停留在禁区外组织和边路传递，造成的威胁提升有限。
而B队虽然不掌控比赛，却能在少数几个窗口内把攻势打得非常深、非常快、非常致命。

这时候，如果A队最终0比1输球，很多球迷会说“运气不好”“对面摆大巴”。但数据分析师会更谨慎地说：

A队有压制，但未必有足够多的高质量压制；B队虽然机会少，但机会峰值很高。

这就是进攻心率图的价值。它让“场面占优”这句话可以被拆开分析，而不是停留在模糊印象里。

七、从球队分析到球员分析，进攻心率图还能怎么用？

很多人以为这类图只能拿来分析整支球队，其实它也可以延伸到球员层面。

比如你可以针对一名前腰、一名边锋，甚至一名边后卫，去看他在比赛中的进攻参与心率曲线。做法也类似：统计他在各时间窗口中的关键进攻行为，比如：

• 推进传球
• 带球推进距离
• 关键传球
• 禁区内传球
• 射门参与
• 二次进攻回收
• 高位抢断后直接组织

这样做以后，你会发现有些球员特别有意思。

有的人整场稳定输出，曲线一直在中高位；
有的人平时存在感不强，但会在几个关键时段突然拉出尖峰；
有的人上半场很活跃，下半场明显回落；
还有的人换位之后，进攻参与曲线突然被激活。

这对于教练组和分析团队非常有帮助，因为它能帮助判断：

• 球员的有效输出是否稳定；
• 他的进攻价值是否过度依赖特定时段；
• 换人和战术调整是否激发了他的攻击潜能；
• 他在不同阵型中的参与模式是否发生变化。

如果再叠加空间坐标和传球网络，就能更清楚地看到，一个球员到底是在“参与进攻”，还是在“真正推动进攻”。

八、如果要自己做一张进攻心率图，需要什么数据？

如果你是做博客、做课程、做项目作品集，这一部分特别重要，因为它关系到可操作性。

最基础的数据需求其实不算高。你至少需要：

• 比赛事件时间戳
• 事件类型
• 事件发生队伍
• 事件发生位置
• 结果状态

如果再丰富一点，最好有：

• 射门的xG值
• 传球起止坐标
• 带球推进轨迹
• 控球回合划分
• 压迫与夺回球权位置

数据来源上，职业俱乐部会有Opta、StatsBomb、Wyscout这类专业数据。普通分析练习也可以使用一些公开样例数据、教学数据集，或者自己做简化版事件标注。

如果没有高阶数据，也完全可以先从简化模型入手。比如你只用：

• 射门 = 3分
• 禁区内触球 = 2分
• 关键传球 = 2分
• 进入前场三区 = 1分

每分钟统计一次，然后做移动平均。虽然粗糙，但已经能做出一张很有表现力的进攻态势图。

这对初学者特别友好。因为足球数据分析并不一定要一开始就上很复杂的机器学习模型。很多时候，先把事件逻辑理顺、指标定义清楚、图做得能解释比赛过程，本身就已经很有价值。

九、用Python实现进攻心率图，思路其实并不复杂

如果你想把这篇博客写得更技术一些，完全可以加入一小段实现思路。这里我不展开写完整项目代码，但给你一个非常清晰的分析路径。

第一步，准备事件数据表。
至少包含：

• minute：比赛分钟
• team：球队
• event_type：事件类型
• x, y：位置坐标
• xg：若有射门则记录xG

第二步，定义每类事件权重。
例如：

weights = {
    "shot": 3,
    "shot_on_target": 4,
    "key_pass": 2,
    "box_touch": 2,
    "final_third_entry": 1,
    "corner": 1.5
}

第三步，按分钟聚合。
对每一分钟统计该队的事件得分总和。

第四步，进行平滑处理。
比如使用3分钟滚动平均：

df["smoothed_intensity"] = df["intensity"].rolling(window=3, min_periods=1).mean()

第五步，绘图展示。
横轴为时间，纵轴为平滑后的强度值；若要对比两队，就画两条线；若要增强“心率感”，可以用面积图或脉冲风格曲线。

如果再进一步，你还可以：

• 在进球时间点加竖线标记
• 在红黄牌、换人节点做注释
• 将上半场与下半场背景轻微分色
• 在图下方叠加控球率区间变化

这样一来，图就不只是“一个折线图”，而是可以真正用于比赛复盘的分析面板。

十、进攻心率图最大的误区：别把“高频”误当“高危”

这是我觉得特别值得提醒的一点。

很多刚接触足球数据分析的人，特别容易犯一个错误：看到某队在某段时间进攻事件很多，就认为它那段时间威胁很大。

其实不一定。

因为足球不是篮球，不是回合越多就一定越危险。足球的很多无效进攻，会堆出一种“好像很热闹”的错觉。尤其是：

• 禁区外反复横传
• 低质量传中堆积
• 没有穿透性的边路回做
• 被迫远射
• 无法进入肋部和禁区核心区

这些内容在事件总量上可能不少，但在真正的威胁价值上并不高。

所以做进攻心率图时，最重要的不是把曲线做得“跳”，而是让它尽量反映真实危险程度。换句话说，图好不好，核心不在视觉，而在指标建模。

一个好的数据分析师，不会满足于“这图看起来挺有气势”，而会追问：
这条曲线的每一次上升，背后到底对应了什么比赛事实？

十一、对于内容创作者来说，为什么这个主题很适合写博客？

因为它兼具专业性、可视化表达和读者理解门槛的平衡。

一方面，进攻心率图这个说法很形象。哪怕读者不懂xT、不懂EPV，也能大概理解“球队进攻像心跳一样有快有慢”。这就给文章提供了很好的传播入口。
另一方面，它背后又连接着非常丰富的数据分析内容：事件流、时序分析、平滑处理、指标加权、比赛建模、战术解释。这让文章不会停留在浅层概念，而是能写出技术深度。

尤其对于做体育数据分析、AI分析、可视化博客的人来说，这类主题非常适合成为中间层内容——既不像纯入门概念那么浅，也不像完整建模论文那么硬。

你可以把它写成：

• 足球数据分析入门文章
• 比赛复盘方法论文章
• Python可视化实战文章
• xG/xT指标科普文章
• 战术分析与数据结合的专题文章

也就是说，这个主题非常“耐扩展”。

十二、结尾：真正重要的，不是图，而是重新理解比赛的方式

说到底，进攻心率图的意义，不只是给比赛加一张更酷的图表。它真正改变的是我们理解足球的方式。

过去我们太习惯用结果倒推过程。谁赢了，谁就踢得更好；谁进球了，谁的那段进攻就更有价值。但数据分析师会提醒我们：比赛过程往往比比分更复杂。很多时候，进球只是最后浮出水面的那个点，而在它之前，节奏、空间、压迫、推进、回合价值，早就在慢慢累积。

进攻心率图之所以重要，正是因为它把这种累积可视化了。

它告诉我们，一场足球比赛并不是由几个孤立镜头组成的，而是一条不断波动的攻击曲线。有些球队擅长把曲线维持在高位，用持续施压逼出错误；有些球队擅长在低位潜伏，然后突然制造尖峰；有些球队虽然看起来一直在进攻，但曲线始终缺乏真正的“搏动”。

而当你开始习惯用这种方式看球，你就会发现，足球的数据分析并不是在消解比赛的魅力，恰恰相反，它是在让那些原本模糊的感觉变得更清晰。

我们终于能更准确地说出：

哪一段时间，球队真的在发力；
哪一种进攻，看着热闹其实并不致命；
哪一个进球，并不是偶然，而是整段高压曲线的自然结果。

如果说热力图让我们看见了足球进攻发生的空间，那么进攻心率图让我们看见了足球进攻跳动的时间。对数据分析师来说，这不是一张图那么简单，而是一种把比赛“从直觉带回证据”的方法。

---