行与do和transmute之间的速度和内存比较

Question

我想知道，dplyr中的rowwise和transmute函数之间的内存和速度比较是什么

我在数据框列中有列表，我想知道哪一个更好。目前，由于我的知识有限，我正在使用rowwise来从列表中收集信息，

我有三栏。

第一列是每行的唯一ID。 第二列是JSON响应 第三列是从以下代码

的JSON响应中提取的列表

vectorize_fromJSON <- Vectorize(fromJSON)
z <- vectorize_fromJSON(x)

JSON响应示例

从数据框中提取

x =
c('{"company_name": "a", "employees":[
{"firstName":"John", "lastName":"Doe"},
{"firstName":"Anna", "lastName":"Smith"},
{"firstName":"Peter", "lastName":"Jones"}
]}', 
'{"company_name": "a", "employees":[
{"firstName":"John", "lastName":"Doe"},
{"firstName":"Anna", "lastName":"Smith"},
{"firstName":"Peter", "lastName":"Jones"}
]}')

目前，我从JSON响应中提取company_name，如下所示：

data_df$json_list <- z

data_df %>% rowwise %>% do(company_name = .$json_list$company_name)

我无法使用transmute或mutate从列表中获取公司名称。

主要问题， rowwise与transmute相比有多高效？