求以下实验的R语言代码：对商场200位客户使用kmeans聚类法和系统聚类法进行聚类，对聚类结果进行 可视化，并保存可视化结果，对两种聚类分析方法的聚类结果进行分析 数据集：mall.csv 数据属性描述: 字段名: Customerip Gender Age Annual Income (k$) Spending Score (1-100) 字段描述 顾容ID 性别 实验内容：1.载入数据、显示数据的维度,CustomerlD、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

以下是对商场客户进行k-means聚类和系统聚类分析的R语言代码，包括数据预处理、聚类分析、可视化和聚类结果分析等步骤：

# 导入数据集
data <- read.csv("mall.csv", header = TRUE, stringsAsFactors = FALSE)

# 数据预处理
data <- na.omit(data)
data$Gender <- as.factor(data$Gender)

# 聚类分析
X <- data[, 3:5]
X_scaled <- scale(X)
set.seed(42)
kmeans_clust <- kmeans(X_scaled, centers = 5)
agglo_clust <- hclust(dist(X_scaled), method = "ward.D2")
agglo_clust <- cutree(agglo_clust, k = 5)

# 可视化聚类结果
library(ggplot2)
library(gridExtra)
kmeans_plot <- ggplot(data, aes(x = Annual.Income..k.., y = Spending.Score..1.100., color = as.factor(kmeans_clust$cluster))) + geom_point() + ggtitle("K-Means Clustering")
agglo_plot <- ggplot(data, aes(x = Annual.Income..k.., y = Spending.Score..1.100., color = as.factor(agglo_clust))) + geom_point() + ggtitle("Agglomerative Clustering")
grid.arrange(kmeans_plot, agglo_plot, nrow = 1)

# 聚类结果分析
library(cluster)
library(factoextra)
library(dplyr)
# K-Means
cat("K-Means Cluster Sizes\n")
cat("=====================\n")
table(kmeans_clust$cluster)
cat("\nK-Means Cluster Means\n")
cat("=====================\n")
kmeans_means <- cbind(CustomerID = data$CustomerID, as.data.frame(X_scaled), kmeans_clust$cluster) %>%
  group_by(kmeans_clust.cluster) %>%
  summarize_all(mean) %>%
  select(-kmeans_clust.cluster)
print(kmeans_means)
cat("\nK-Means Cluster Silhouette Scores\n")
cat("================================\n")
silhouette(kmeans_clust$cluster, dist(X_scaled))$silhouette
# Agglomerative
cat("\nAgglomerative Cluster Sizes\n")
cat("==========================\n")
table(agglo_clust)
cat("\nAgglomerative Cluster Means\n")
cat("==========================\n")
agglo_means <- cbind(CustomerID = data$CustomerID, as.data.frame(X_scaled), agglo_clust) %>%
  group_by(agglo_clust) %>%
  summarize_all(mean) %>%
  select(-agglo_clust)
print(agglo_means)
cat("\nAgglomerative Cluster Silhouette Scores\n")
cat("=====================================\n")
silhouette(agglo_clust, dist(X_scaled))$silhouette

代码说明：

1. 使用`read.csv()`函数导入数据集，并将`Gender`变量转换为因子型变量，去除缺失值。

2. 提取数值型变量`Age`, `Annual Income (k$)`和`Spending Score (1-100)`作为聚类分析的输入变量，并对其进行标准化处理。

3. 使用`kmeans()`函数和`hclust()`函数对数据进行k-means聚类和系统聚类分析。

4. 使用`ggplot2`库生成散点图，将聚类结果可视化。

5. 使用`cluster`库和`factoextra`库进行聚类结果分析，例如计算聚类簇的大小、聚类均值和轮廓系数等。

6. 输出聚类结果分析的结果。

希望这个R语言代码可以帮助你完成商场客户聚类分析的实验。