读入文件，我们可以用read.table函数；而写出文件，我们可以用write.table函数。
每个参数都有自己的意义，其中比较常用的有header,sep等.
file是我们读入的文件名称；header，设置为T或F,是否把第一行定义为header；sep是设置文件内的分隔符。我们看个例子：
如果大家对具体的参数想要了解，可以输入下面命令,就可以了解这个函数以及里面各个参数的具体用法和含义：
其中比较常用的参数有file,quote,sep,row.names和col.names.
其中file是设置我们输出的文件名，这个是自己定义的。
quote是一个逻辑值，T或者F。如果是T，那么输出的结果文件中的因子或者字符串会有引号；如果是F,输出的结果文件中的因子或者字符串就没有引号。
sep,和read.table中的sep类似，是分隔符，不过是用来设置输出文件是以什么分隔符来分割，比较常用的有空格，",",或者"\t"等。
row.nems和col.names是用来设置是否输出行和列名。
希望这几个例子可以使你了解了write.table的常用用法，如果想更详细的了解，可输以下命令查看：
希望有帮到你。
主成分分析和探索性因子分析是两种用来探索和简化多变量复杂关系的常用方法。主成分分析（PCA）是一种将数据降维技巧，它将大量相关变量转化成一组很少的不相关变量，这些无相关变量称为主成分。
探索性因子分析（EFA）是一系列用来发现一组变量的潜在结构的方法。
R基础安装包提供了PCA和EFA的函数，分别是princomp()和factanal()。本章重点介绍psych包中提供的函数，该包提供了比基础函数更丰富和有用的选项。
最常见步骤
1、数据预处理，在计算前请确保数据没有缺失值；
2、选择因子模型，是选择PCA还是EFA，如果选择EFA，需要选择一种估计因子模型，如最大似然法估计；
3、判断要选择的主成分/因子数目；
4、选择主成分/因子；
5、旋转主成分/因子；
6、解释结果；
7、计算主成分或因子得分。
加载psych包
library(ggplot2)
library(psych)
展示基于观测特征值的碎石检验、根据100个随机数据矩阵推导出来的特征值均值、以及大于1的特征值准则（Y=1的水平线）
fa.parallel(USJudgeRatings[, -1], fa = "pc", n.iter = 100, show.legend = FALSE, main = 'Scree plot with parallel analysis')
对数据USJudgeRatings进行主成分分析
pc<-principal(USJudgeRatings[, -1],nfactors=1)
pc
