接下来，我们利用sqldf包来处理分组汇总的问题。
由于sqldf包不是R语言自带的，所以先用以下代码安装sqldf包：
install.packages("sqldf")
然后选择“China(Beijing)”镜像站点进行安装，R语言会同时自动安装“sqldf”包的依赖包。
安装好sqldf包及其依赖包后，输入以下代码加载sqldf包：
library(sqldf)
一切准备就绪，接下来用sqldf统计每个同学的总成绩和平均分：
sqldf("select name,sum(score) as score_sum,avg(score) as score_avg from Mydata group by name")
统计每个班级的总成绩：
sqldf("select class,sum(score) as score_sum from Mydata group by class")
统计每个班级的每门课程的总成绩和平均分：
sqldf("select class,course,sum(score) as score_sum,avg(score) as score_avg from Mydata group by class,course")
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
1、首先在R语言中，定义一个变量m，并使用函数c（）进行对变量m赋值，使用的是“->”，如下图所示。
2、可以不使用函数，直接使用“->”进行赋值，如下图所示。
3、也可以倒过来赋值，将变量放在函数后面，还是使用“->”赋值，如下图所示。
4、然后使用assign对变量进行赋值，前面参数是被赋值的变量，后面是需要的对象，如下图所示。
5、最后定义一个变量w，使用函数c()进行赋值；定义一个变量c，取w变量的倒数，如下图所示就完成了。
