如果您使用的值超过1组，并且希望有一个字典列表，则可以使用此选项：

def as_dict_list(data: list, columns: list):
    return [dict((zip(columns, row))) for row in data]

实际示例是来自数据库查询的元组列表，与来自同一查询的列元组配对。其他答案仅为1比1。

用枚举法作为词典理解的解决方案：

dict = {item : values[index] for index, item in enumerate(keys)}

使用enumerate的循环的解决方案：

dict = {}
for index, item in enumerate(keys):
    dict[item] = values[index]

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。

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

输出：

{'food': 'spam', 'age': 42, 'name': 'Monty'}

keys = ['name', 'age', 'food']
values = ['Monty', 42, 'spam']
dic = {}
c = 0
for i in keys:
    dic[i] = values[c]
    c += 1

print(dic)
{'name': 'Monty', 'age': 42, 'food': 'spam'}

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。