有几种方法可以在python中构造字典，例如：
keyvals = [('foo', 1), ('bar', 'bar'), ('baz', 100)]
dict(keyvals)
和
dkwargs = {'foo': 1, 'bar': 'bar', 'baz': 100}
dict(**dkwargs)
当你对这些基准进行测
In [0]: %timeit dict(keyvals)
667 ns ± 38 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)
In [1]: %timeit dict(**dkwargs)
225 ns ± 7.09 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)
你看到第一种方法比第二种方法快3倍。为什么是这样？
dict(**kwargs)传入一个现成的字典，因此Python可以复制已经存在的内部结构。
另一方面，元组列表需要迭代，验证，散列并将结果插入到一个新的空表中。那不是那么快。
Python字典作为hash table实现，并随着时间的推移随着密钥的增加而动态增长;它们从小开始，随着需要的出现，构造了一个新的，更大的哈希表，数据（键，值和哈希）被复制。这在Python代码中都是不可见的，但调整大小需要时间。但是当你使用dict(**kwargs)（或dict(other_dict) CPython（你用来测试的默认Python实现）时可以采用一种快捷方式：从一个足够大的哈希表开始。你不能用一系列元组做同样的技巧，因为如果序列中没有重复的键，你无法预先知道。
有关更多详细信息，请参阅dict类型的C源代码，特别是dict_update_common implementation（从dict_init()调用）;这会调用PyDict_MergeFromSeq2()作为元组序列的情况，或者在传入关键字参数时调用PyDict_Merge()。
PyDict_MergeFromSeq2() function迭代序列，测试每个结果以确保有两个元素，然后基本上在字典上调用.__setitem__(key, value)。这可能需要在某些时候调整字典的大小！
PyDict_Merge()函数（通过dict_merge()）专门检测是否传入了常规字典，然后executes a fast path调整内部结构的大小一次，然后直接使用insertdict()调用从原始字典中复制散列和结构（遵循override == 1路径，如override当目标字典为空时，已设置为1，dict(**kwargs)总是这样。只调整一次并直接使用内部数据要快得多，而且需要完成的工作要少得多！
所有这些都是CPython特有的实现细节。其他Python实现（如Jython，IronPython和PyPy）可以自行决定dict类型的内部如何工作，并将为相同的操作显示不同的性能差异。
这是因为在第一次测试中，dict的CPython实现将从列表中创建一个新的dict，但第二次只复制字典。复制比解析列表花费的时间更少。
考虑以下代码：
import dis
dis.dis("dict([('foo', 1), ('bar', 'bar'), ('baz', 100)])", depth=10)
print("------------")
dis.dis("dict({'foo': 1, 'bar': 'bar', 'baz': 100})", depth=10)
哪里
dis模块通过反汇编支持CPython字节码的分析。
这让我们看到了执行的字节码操作。输出显示
1 0 LOAD_NAME 0 (dict)
2 LOAD_CONST 0 (('foo', 1))
4 LOAD_CONST 1 (('bar', 'bar'))
6 LOAD_CONST 2 (('baz', 100))
8 BUILD_LIST 3
10 CALL_FUNCTION 1
12 RETURN_VALUE
------------
1 0 LOAD_NAME 0 (dict)
2 LOAD_CONST 0 (1)
4 LOAD_CONST 1 ('bar')
6 LOAD_CONST 2 (100)
8 LOAD_CONST 3 (('foo', 'bar', 'baz'))
10 BUILD_CONST_KEY_MAP 3
12 CALL_FUNCTION 1
14 RETURN_VALUE
从输出中您可以看到：
dict名称。BUILD_LIST），而第二个方法构建一个字典（BUILD_CONST_KEY_MAP）（参见here）CALL_FUNCTION步骤（参见here）），在第二种情况下需要更短的时间，因为字典已经创建，所以它只是复制而不必迭代列表创建哈希表。注意：使用字节码你无法确定CALL_FUNCTION是否这样做，因为它的实现是用C语言编写的，只有通过阅读它才能真正知道（参见Martijn Pieters的答案，准确解释这部分是如何工作的）。但是，它有助于查看字典对象是如何在dict()之外创建的（逐步，在示例中不是语法上），而对于列表，情况并非如此。
要说清楚，当你说
有几种方法可以在python中构建字典
通过这样做：
dkwargs = {'foo': 1, 'bar': 'bar', 'baz': 100}
您正在创建一个字典，在这个意义上，解释器将表达式转换为存储在内存中的字典对象，并使变量dkwargs指向它。但是，通过执行：dict(**kwargs)或者如果您更喜欢dict(kwargs)，您实际上并不是在创建一个字典，而只是复制一个已经存在的对象（强调复制很重要）：
>>> dict(dkwargs) is dkwargs
False
dict(kwargs)强迫Python创建一个新对象;但是，这并不意味着它必须重新构建对象。实际上，该操作是无用的，因为在实践中它们是相同的对象（尽管不是同一个对象）。
>>> id(dkwargs)
2787648914560
>>> new_dict = dict(dkwargs)
>>> id(new_dict)
2787652299584
>>> new_dict == dkwargs
True
>>> id(dkwargs) is id(new_dict)
False
id：
返回对象的“标识”。这是一个整数，在它的生命周期内保证对于该对象是唯一且恒定的[...]
CPython实现细节：这是内存中对象的地址。
当然，除非您想要专门复制对象以便修改对象，因此编辑不会链接到其他引用。
dkwargs已经是一本字典了，所以你基本上都要复制它。这就是它快得多的原因。