使用Python3.x，可以进行dict理解

keys = ('name', 'age', 'food')
values = ('Monty', 42, 'spam')

dic = {k:v for k,v in zip(keys, values)}

print(dic)

关于dict的理解，这里有一个例子：

>>> print {i : chr(65+i) for i in range(4)}
    {0 : 'A', 1 : 'B', 2 : 'C', 3 : 'D'}

试试看：

>>> import itertools
>>> keys = ('name', 'age', 'food')
>>> values = ('Monty', 42, 'spam')
>>> adict = dict(itertools.izip(keys,values))
>>> adict
{'food': 'spam', 'age': 42, 'name': 'Monty'}

在Python2中，与zip相比，它的内存消耗也更经济。

如果在创建字典之前需要转换键或值，那么可以使用生成器表达式。例子：

>>> adict = dict((str(k), v) for k, v in zip(['a', 1, 'b'], [2, 'c', 3])) 

看一看《像蟒蛇一样的代码：惯用Python》。

使用Python3.x，可以进行dict理解

keys = ('name', 'age', 'food')
values = ('Monty', 42, 'spam')

dic = {k:v for k,v in zip(keys, values)}

print(dic)

关于dict的理解，这里有一个例子：

>>> print {i : chr(65+i) for i in range(4)}
    {0 : 'A', 1 : 'B', 2 : 'C', 3 : 'D'}

您还可以在Python≥2.7中使用字典理解：

>>> keys = ('name', 'age', 'food')
>>> values = ('Monty', 42, 'spam')
>>> {k: v for k, v in zip(keys, values)}
{'food': 'spam', 'age': 42, 'name': 'Monty'}

当我试图解决一个与图形相关的问题时，我产生了这种怀疑。我遇到的问题是，我需要定义一个空的邻接列表，并想用一个空列表初始化所有节点，这就是我想如何检查它是否足够快的时候，我的意思是，它是否值得执行zip操作，而不是简单的赋值键值对。在大多数情况下，时间因素是一个重要的破冰因素。所以我对两种方法都进行了timeit操作。

import timeit
def dictionary_creation(n_nodes):
    dummy_dict = dict()
    for node in range(n_nodes):
        dummy_dict[node] = []
    return dummy_dict


def dictionary_creation_1(n_nodes):
    keys = list(range(n_nodes))
    values = [[] for i in range(n_nodes)]
    graph = dict(zip(keys, values))
    return graph


def wrapper(func, *args, **kwargs):
    def wrapped():
        return func(*args, **kwargs)
    return wrapped

iteration = wrapper(dictionary_creation, n_nodes)
shorthand = wrapper(dictionary_creation_1, n_nodes)

for trail in range(1, 8):
    print(f'Itertion: {timeit.timeit(iteration, number=trails)}\nShorthand: {timeit.timeit(shorthand, number=trails)}')

对于n_nodes=10000000我明白了，

迭代次数：2.825081646999024速记：3.535717916001886

迭代：5.051560923002398速记：6.255070794999483

迭代次数：6.52859034499852速记：8.221581164998497

迭代次数：8.683652416999394速记：12.599181543999293

迭代次数：11.587241565001023速记员：15.27298851100204

迭代次数：14.816342867001367速记员：17.162912737003353

迭代次数：16.645022411001264速记员：19.976680120998935

您可以清楚地看到，在某一点之后，第n步的迭代方法超过了第n-1步的速记方法所花费的时间。