可以使用R函数。
根据雷达图能够刻画不同观测在多个变量上的取值差异性的这一点除法，可以使用R函数来实现绘图。具体的说在R语言中画出群特征分析雷达图，需要加载fmsb的包。用apply簇的apply函数获取每个指标中的最大最小值，并与原数据行合并为新数据。新数据的最大最小值设定为雷达图的最大最小阈值范围。
雷达图在数据挖掘项目中多用于企业分析或者价值分析的环节可视化。雷达图分析法是一种系统分析的有效方法，它是从项目中自身建立的多方面分析企业的经营成果。并将这些方面的有关数据用比率表示出来，填写到一张能表示各自比率关系的等比例图形上，再用彩笔连接各自比率的结点后，恰似一张雷达图表。
R函数的特点：
R函数是第一类对象(第一类对象在计算机科学中 指可以在执行期创建并作为参数传递给其他函数或存入一个变量的实体。将一个实体转化为第一类对象的过程叫“对象化”)。这意味着函数在绝大多数情况下，也可以作为对象来操作。
1，静态图先用画好的线框图或者直接在keynote里用色块布局
填充图片，可调整阴影等基本效果
导出图片放进手机里
根据用户反馈调整
2，动画效果
利用Keynote自带的物件动画
活用Keynote最棒的“神奇移动”转场效果
手机装上keynote app打开演示文档
根据反馈调整效果
3，交互事件
调整图片尺寸导入xcode
仅用针对图片的简单代码
仅用简单的交互手势 代码
第一阶段：制作静态图
先用画好的线框图或者直接在keynote里用色块布局，keynote提供了多种智能的对齐，布局，格式等等设计方式，整个过程会非常的轻松。比如自动标尺吸附等距等等，比绝大多数原型制作软件都简单人性化。
2. 对照一些线框图可以继续铺色块和布局，这个过程中你会发现这个对齐和吸附的过程是多么的神奇。
3. 导入图片，Keynote有很多种方式可以调整素材样式，包框，阴影，透明图，实时遮罩等等。是的，你可以用ps慢慢玩，也可以用keynote一键完成。
4. 很多人用原型软件是看中那些控件，其实大多数控件还不如自己在Keynote里制作快速。而且Keynote自带了很多标志和Icon，完全不用到处去找了。比如这个例子里的打分用五星，改个黄色就可以了。
5. 以此类推，可以很快做出很多页面，导出图片格式，在手机中查看
雷达图通常在财务报表分析中使用较多，当前在描述性统计分析中，雷达图正在被越来越多的人使用。
本文利用R语言 ggplot2 的一款扩展主题包——ggradar 包从头开始绘制简单漂亮的雷达图。
一 加载函数包
ggradar包需要通过 github 来安装，安装方法如下：
devtools::install_github("ricardo-bion/ggradar", dependencies=TRUE)
library(ggradar)
二 创建数据集绘制雷达图
2.1 设定种子，构造了一个区间为0~1,个数为24的4行6列随机数矩阵
set.seed(123)
mydata<-matrix(runif(24,0,1),4,6)
rownames(mydata) <- LETTERS[1:4]
colnames(mydata) <- c("Apple","Google","Amozon","Tencent","Alibaba","Baidu")#使用以上文本向量为矩阵列命名，方便展示
mynewdata<-data.frame(mydata)
Name<-c("USA","CHN","UK","RUS")
mynewdata<-data.frame(Name,mynewdata)
2.2 绘制USA的雷达图
ggradar(mynewdata[1,],grid.line.width = 0.5)
2.3 绘制所有变量的雷达图
ggradar(mynewdata)
三 使用car数据集展示雷达图
利用内置car数据集进行雷达图绘制，主要是对数据进行scale，然后绘制
library(ggradar)
library(scales)
library(tibble)
library(dplyr)
查看最后四种车型，在mpg ，cyl ，disp ，hp ，drat方面的“性能”情况
mtcars %>%rownames_to_column(var="group") %>%#保留行名称
mutate_at(vars(-group),funs(rescale)) %>%tail(4) %>%select(1:6) ->mtcars_radar
绘制雷达图，更改基本参数
ggradar(mtcars_radar, grid.line.width =0.5,axis.label.size=5,group.line.width =1,group.point.size =2)
四 ggradar主要的函数功能
ggradar(plot.data, axis.labels = colnames(plot.data)[-1], grid.min=0,grid.mid =0.5, grid.max=1, centre.y = grid.min- ((1/9) * (grid.max-grid.min)), plot.extent.x.sf =1, plot.extent.y.sf =1.2,x.centre.range =0.02* (grid.max- centre.y), label.centre.y =FALSE,grid.line.width =0.5, gridline.min.linetype ="longdash",gridline.mid.linetype ="longdash", gridline.max.linetype ="longdash",gridline.min.colour ="grey", gridline.mid.colour ="#007A87",gridline.max.colour ="grey", grid.label.size =7,gridline.label.offset = -0.1* (grid.max- centre.y),label.gridline.min=TRUE, axis.label.offset =1.15,axis.label.size =8, axis.line.colour ="grey", group.line.width =1.5,group.point.size =6, background.circle.colour ="#D7D6D1",background.circle.transparency =0.2, plot.legend =if(nrow(plot.data) >1)TRUEelseFALSE, legend.title ="", legend.text.size = grid.label.size)
五 参考资料
http://127.0.0.1:15296/library/ggradar/html/ggradar.html
找到各企业对于生信工程师的JD，然后根据R，Python，Linux，Bio Pipeline ，NGS 等的要求程度绘制雷达图，就可以直观的知道生信工程师相对更重要的是什么能力了，，，嘿嘿
