R语言 kmeans聚类如何将结果可视化，以及后续如何分析

（非伸手党）应用统计专业大三学生，在学习R的过程中遇到小沟小坎，希望大大们高抬贵手，费心点拨。
拿到的是一份40列，1000行的基因样本数据，预处理完毕，在对其进行k=2，k=3的不同类后，得到了结果，但之后如何对其进行分析，如何做到可视化，就完全没头绪了。

小弟自己做的代码奉上，希望大大看到我的尝试不要笑出声，精心指导一下，谢谢

#组织样本的k-means聚类研究
##一、准备工作

library(stats)
library(ggplot2)

##二、读取数据

data_2<-read.csv(file.choose(),header = FALSE)

##二、对数据进行初步整理观察

dim(data_2)
str(data_2)
summary(data_2)
summary(is.na(data_2))

首先，所有数值并未发现缺失值，也就省去了缺失值处理的步骤
其次，40个样本的最小值比较接近，但最大值存在较大跨度，因此需要对全部数据进行标准化，这里使用Z-score标准化方法

###Z-score标准化方法

data_2_zscore <- as.data.frame(lapply(data_2,scale))

head(data_2_zscore)

set.seed(1)
data_2_zscore<-data_2_zscore[order(runif(1000)),]

###对处理后的数据进行k-means方法计算

data_2_clusters <- kmeans(data_2_zscore, centers = 2)

data_2_clusters$size

data_2_clusters <- kmeans(data_2_zscore, centers = 3)

data_2_clusters$size

原有数据