使用filter/mutate和dplyr/tidyverse逻辑对数据库进行分类

我正在尝试使用tidyverse逻辑对具有级联标准的数据帧进行分类（我正在尝试学习它）。我可以用base R做，但不能用tidyverse做-我找到了一些使用混合方法tidyverse+base R（使用子集）的示例，但无法找到/理解如何仅使用dplyr/tidyverse语法（过滤、变异）

问题是，在为第一个标准（使用过滤器）进行子集设置之后，数据帧只包含过滤后的行，我无法应用剩余的标准进行子集和分类。我可能可以使用一个临时的df和rbind（），但我认为可以用一种更优雅的方法，只使用tidyverse语法。简而言之，我只想更新与我的条件匹配的行，而在原始DF中所有其他行保持不变。我应该用dplyr语法来做。可能吗

# with base R
    mydata$mytype = "NA"
    mydata$mytype[which(mydata$field1 > 300)] = "type1"
    mydata$mytype[which(mydata$field1 <= 300 & mydata$field1 > 200)] = "type2"

# with dplyr/tidyverse?
    library(tidyverse)
    mydata<-mydata%>% mutate(mytype = "NA")
    mydata<-mydata%>%filter(field1>300) %>% mutate(mytype="type1") 
    mydata<-mydata%>%filter(field1 >200, field1<=300) %>% mutate(mytype="type2")  #0 rows now

#带基数R
mydata$mytype=“NA”
mydata$mytype[其中（mydata$field1>300）]=“类型1”
mydata$mytype[其中（mydata$field1 200）]=“类型2”
#使用dplyr/tidyverse？
图书馆（tidyverse）
mydata%变异（mytype=“NA”）
mydata%过滤器（字段1>300）%%>%变异（mytype=“type1”）
mydata%过滤器（field1>200，field1%变异（mytype=“type2”）#现在0行

一个选项是使用

cut

作为：

df$mytype  <- cut(df$field1, breaks = c(-Inf,201,301,+Inf), 
                        labels = c("NA", "Type2", "Type1"))

使用dplyr，您可以：

1-将“中断”设置为“字段1”及其“标签”

---

中断谢谢，这是另一种选择。虽然我正在学习dplyr，但我想了解如何通过dplyr语法只更新与我的条件匹配的行，而在原始df中保留所有其他行不变。不知道这是否可能。当
dplyr
函数中的
情况下，您知道吗de>？dplyr:：case\u when
case\u when工作正常！谢谢
cut(c(100, 190, 250, 260, 310), breaks = c(-Inf,201,301,+Inf), 
                labels = c("NA", "Type2", "Type1"))
#[1] NA    NA    Type2 Type2 Type1
#Levels: NA Type2 Type1

breaks <- c(-Inf, 200, 300)

labels <- c("type1", "type2)

df <- df %>% mutate(category=cut(field1, breaks= breaks, labels= labels))