求解R语言代码：1.载入数据、显示数据的维度CustomerID、Gender这两个变量按照字符型变量读入，其他三个变量按照数值型变量读入.2.对变量Age、Annuallncome和SpendingScore进行标准化，使它们均值为0，标准偏差为1，显示标准化后的三个变量的前五行数据。3.对数据进行可视化，判断大致的聚类类别。4.选择合适的属性，使用kmeans聚类方法对数据进行聚类，显示各类别的中心点、类间平方和、类内平方和、各类别样本数。5.对kmeans聚类结果进行可视化，保存到PDF文件中。6.选择合适的属性，使用层次聚类方法对数据进行聚类，画出层次聚类图，并显示各类别的样本数。7.将层次聚类的结果用散点图表示出来，保存到PDF文件中。8.对kmeans聚类分析和层次聚类分析的结果进行比较分析。

以下是您所需的R语言代码：

1.

# 载入数据
data <- read.csv("data.csv", colClasses = c("character", "character", "numeric", "numeric", "numeric"))

# 显示数据的维度
dim(data)

2.

# 对变量进行标准化
data_scaled <- scale(data[,3:5])

# 显示标准化后的前五行数据
head(data_scaled, 5)

3.

# 可视化数据
plot(data_scaled)

4.

# 选择合适的属性
data_cluster <- data_scaled[,3:5]

# 使用kmeans聚类方法
set.seed(123)
kmeans_result <- kmeans(data_cluster, centers = 3)

# 显示聚类结果
kmeans_result

5.

# 对kmeans聚类结果进行可视化
pdf("kmeans_result.pdf")
plot(data_scaled, col = kmeans_result$cluster)
points(kmeans_result$centers, col = 1:3, pch = 8, cex = 2)
dev.off()

6.

# 使用层次聚类方法
hc_result <- hclust(dist(data_cluster))

# 画出层次聚类图
plot(hc_result, hang = -1, cex = 0.6, main = "Dendrogram for Customer Segments")

# 显示各类别的样本数
rect.hclust(hc_result, k = 3, border = 2:4)

7.

# 将层次聚类结果用散点图表示出来
pdf("hc_result.pdf")
plot(data_scaled, col = cutree(hc_result, k = 3))
dev.off()

8.

对kmeans聚类分析和层次聚类分析的结果进行比较分析，可以通过以下代码实现：

# 比较聚类结果
table(kmeans_result$cluster, cutree(hc_result, k = 3))

这段代码将会展示一个表格，展示kmeans聚类结果和层次聚类结果之间的交叉表。通过这个表格，您可以比较聚类结果，以便更好地了解两种聚类分析的差异。