当你从其他东西(非python)复制粘贴值时，dict()文字很好用 例如，环境变量列表。 如果您有一个bash文件

FOO='bar'
CABBAGE='good'

您可以轻松地将其粘贴到dict()文本中并添加注释。它也使它更容易做相反的事情，复制到其他东西。而{'FOO': 'bar'}语法对于python和json来说是非常独特的。所以如果你经常使用json，你可能会想要使用带有双引号的{}字面量。

我想你已经指出了最明显的区别。除此之外，

第一个不需要查找字典，这应该使它稍微快一点

第二个在locals()中查找dict，然后在globals()中查找内置的，所以你可以通过定义一个称为dict的局部来切换行为，例如，尽管我想不出除了调试时可能在任何地方这将是一个好主意

来自python 2.7教程:

一对大括号创建一个空对象 字典:{}。放置一个 以逗号分隔的键:值列表 对括号内添加初始值 键:值对到字典; 这也是字典的方式 写在输出上。

tel = {'jack': 4098, 'sape': 4139}
data = {k:v for k,v in zip(xrange(10), xrange(10,20))}

而:

dict()构造函数构建 字典直接从列表 键值对存储为元组。当 这些对形成了一个模式，列表 推导式可以紧凑地指定 键值列表。

tel = dict([('sape', 4139), ('guido', 4127), ('jack', 4098)]) {'sape': 4139, 'jack': 4098, 'guido': 4127}
data = dict((k,v) for k,v in zip(xrange(10), xrange(10,20)))

当键是简单的字符串时，它 有时更容易指定对吗 使用关键字参数:

dict(sape=4139, guido=4127, jack=4098)
>>>  {'sape': 4139, 'jack':4098, 'guido': 4127}

因此，{}和dict()都生成字典，但提供的字典数据初始化方式略有不同。

这是一个非常晚的聚会，但如果你有一个kwargs函数:

def foo(a=None, b=None):
    ...

而你的口头语是这样的

d_1 = { 'a': 1, 'b': 2 }
d_2 = dict(a=1, b=2)

# This works
foo(**d_1)

# And this as well
foo(**d_2)

但是d_2可能更适合重构foo签名中可能改变的参数名。因为在d_1中它们是字符串。

此外，当涉及到阅读代码(这是很多)时，我觉得文字的认知负担更少(因为我们将文字与dict()联系在一起，它看起来像一个函数调用，让大脑怀疑……与dict()相比，至少有一微秒:))，不可否认，部分原因是编辑器中的语法高亮显示，但在日常生活中仍然非常相关(至少对我来说)。

如果我关注dict语句周围的代码，表示为…，一个字面dict使我更容易理解周围的代码:)。

...
...
...
config = {
    'key1':"value1",
    'key2':"value2",
    'key3':"value3",
    'key4':"value4",
}
...
...
...

#****VS *****

...
...
...
config =dict(
    key1 = 'value1',
    key2 = 'value2',
    key3 = 'value3',
    key4 = 'value4',

)
...
...
...

Literal更快，因为它使用优化的BUILD_MAP和STORE_MAP操作码，而不是通用的CALL_FUNCTION:

> python2.7 -m timeit "d = dict(a=1, b=2, c=3, d=4, e=5)"
1000000 loops, best of 3: 0.958 usec per loop

> python2.7 -m timeit "d = {'a':1, 'b':2, 'c':3, 'd':4, 'e':5}"
1000000 loops, best of 3: 0.479 usec per loop

> python3.2 -m timeit "d = dict(a=1, b=2, c=3, d=4, e=5)"
1000000 loops, best of 3: 0.975 usec per loop

> python3.2 -m timeit "d = {'a':1, 'b':2, 'c':3, 'd':4, 'e':5}"
1000000 loops, best of 3: 0.409 usec per loop