没有zip函数的方法

l1 = [1,2,3,4,5]
l2 = ['a','b','c','d','e']
d1 = {}
for l1_ in l1:
    for l2_ in l2:
        d1[l1_] = l2_
        l2.remove(l2_)
        break  

print (d1)


{1: 'd', 2: 'b', 3: 'e', 4: 'a', 5: 'c'}

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。

对于那些需要简单代码但不熟悉zip的人：

List1 = ['This', 'is', 'a', 'list']
List2 = ['Put', 'this', 'into', 'dictionary']

这可以通过一行代码完成：

d = {List1[n]: List2[n] for n in range(len(List1))}

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'}

所有答案总结如下：

l = [1, 5, 8, 9]
ll = [3, 7, 10, 11]

zip:

dict(zip(l,ll)) # {1: 3, 5: 7, 8: 10, 9: 11}

#if you want to play with key or value @recommended

{k:v*10 for k, v in zip(l, ll)} #{1: 30, 5: 70, 8: 100, 9: 110}

计数器：

d = {}
c=0
for k in l:
    d[k] = ll[c] #setting up keys from the second list values
    c += 1
print(d)
{1: 3, 5: 7, 8: 10, 9: 11}

枚举：

d = {}
for i,k in enumerate(l):
    d[k] = ll[i]
print(d)
{1: 3, 5: 7, 8: 10, 9: 11}

想象一下你有：keys=（'name'，'age'，'food'）values=（'Monty'，42，'spam'）生成以下词典的最简单方法是什么？dict={‘name‘：‘Monty‘，‘age‘：42，‘food‘：‘spam‘}

最具性能的dict构造函数，带有zip

new_dict = dict(zip(keys, values))

在Python3中，zip现在返回一个惰性迭代器，这是目前性能最好的方法。

dict（zip（键、值））确实需要对dict和zip进行一次性全局查找，但它不会形成任何不必要的中间数据结构，也不会处理函数应用程序中的本地查找。

亚军，听写理解：

使用dict构造函数的第二个方法是使用dict理解的原生语法（而不是其他人错误地说的列表理解）：

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

当需要根据键或值映射或过滤时，选择此选项。

在Python2中，zip返回一个列表，为了避免创建不必要的列表，请改用izip（别名为zip可以在转到Python3时减少代码更改）。

from itertools import izip as zip

因此，仍然是（2.7）：

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

Python 2，适用于<=2.6

itertools中的izip在Python 3中变为zip。izip比Python 2的zip更好（因为它避免了不必要的列表创建），是2.6或更低版本的理想选择：

from itertools import izip
new_dict = dict(izip(keys, values))

所有情况的结果：

在所有情况下：

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

说明：

如果我们查看dict的帮助，我们会发现它采用了多种形式的论点：

>>> help(dict)

class dict(object)
 |  dict() -> new empty dictionary
 |  dict(mapping) -> new dictionary initialized from a mapping object's
 |      (key, value) pairs
 |  dict(iterable) -> new dictionary initialized as if via:
 |      d = {}
 |      for k, v in iterable:
 |          d[k] = v
 |  dict(**kwargs) -> new dictionary initialized with the name=value pairs
 |      in the keyword argument list.  For example:  dict(one=1, two=2)

最佳方法是使用可迭代的，同时避免创建不必要的数据结构。在Python 2中，zip创建了一个不必要的列表：

>>> zip(keys, values)
[('name', 'Monty'), ('age', 42), ('food', 'spam')]

在Python 3中，等效值为：

>>> list(zip(keys, values))
[('name', 'Monty'), ('age', 42), ('food', 'spam')]

Python 3的zip只创建了一个可迭代的对象：

>>> zip(keys, values)
<zip object at 0x7f0e2ad029c8>

由于我们希望避免创建不必要的数据结构，我们通常希望避免Python 2的zip（因为它创建了一个不必要的列表）。

性能较差的替代方案：

这是一个传递给dict构造函数的生成器表达式：

generator_expression = ((k, v) for k, v in zip(keys, values))
dict(generator_expression)

或等效地：

dict((k, v) for k, v in zip(keys, values))

这是一个传递给dict构造函数的列表理解：

dict([(k, v) for k, v in zip(keys, values)])

在前两种情况下，在zip可迭代文件上放置了一层额外的非操作（因此不必要）计算，在列表理解的情况下，不必要地创建了一个额外的列表。我希望他们都表现得不那么出色，当然也不会更出色。

绩效审查：

在由Nix提供的64位Python 3.8.2中，在Ubuntu 16.04上，从最快到最慢排序：

>>> min(timeit.repeat(lambda: dict(zip(keys, values))))
0.6695233230129816
>>> min(timeit.repeat(lambda: {k: v for k, v in zip(keys, values)}))
0.6941362579818815
>>> min(timeit.repeat(lambda: {keys[i]: values[i] for i in range(len(keys))}))
0.8782548159942962
>>> 
>>> min(timeit.repeat(lambda: dict([(k, v) for k, v in zip(keys, values)])))
1.077607496001292
>>> min(timeit.repeat(lambda: dict((k, v) for k, v in zip(keys, values))))
1.1840861019445583

dict（zip（keys，values））即使使用小的键和值集也会获胜，但对于较大的集，性能差异将变得更大。

一位评论者说：

min似乎是一种比较性能的糟糕方式。对于实际使用而言，mean和/或max无疑是更有用的指标。

我们使用min是因为这些算法是确定性的。我们想知道算法在最佳条件下的性能。

如果操作系统因任何原因挂起，它与我们试图比较的内容无关，因此我们需要从分析中排除这些类型的结果。

如果我们使用mean，这些类型的事件将极大地扭曲我们的结果，如果我们使用max，我们将只得到最极端的结果-最有可能受到此类事件影响的结果。

一位评论者还说：

在python3.6.8中，使用平均值，dict理解速度确实更快，对于这些小列表来说，大约提高了30%。对于更大的列表（10k个随机数），dict调用大约快10%。

我想我们指的是带有10k随机数的dict（zip）。这听起来确实是一个非常不寻常的用例。在大型数据集中，最直接的调用将占主导地位，这是有道理的，而且考虑到运行测试需要多长时间，如果操作系统挂起占主导地位会进一步扭曲你的数字，我不会感到惊讶。如果你使用mean或max，我会认为你的结果毫无意义。

让我们在上面的示例中使用更现实的尺寸：

import numpy
import timeit
l1 = list(numpy.random.random(100))
l2 = list(numpy.random.random(100))

我们在这里看到，dict（zip）…确实在较大的数据集上运行速度快了20%左右。

>>> min(timeit.repeat(lambda: {k: v for k, v in zip(l1, l2)}))
9.698965263989521
>>> min(timeit.repeat(lambda: dict(zip(l1, l2))))
7.9965161079890095