Python 时间和空间复杂性比较：通过循环或dict（zip（s，t））向dict添加两个列表的元素

我是python新手，正在尝试理解时间和空间复杂性的概念。我想把两张相同长度的单子写下来。我可以通过以下两种方式做到这一点：

1） 通过循环列表并将其添加到dict：

 dictLists = {}
        for i in range(0,len(list1)):
            dictLists[list1[i]] = list2[i]

2） 通过压缩列表，然后从中生成一个dict：

       dictZip = dict(zip(list1,list2))

据我所知，第一种方法的时间复杂度应该是O（N），其中N是列表的长度。但是，我不知道第二个选项的时间复杂度，除了zip操作本身需要O（1）个时间复杂度

---

这两种方法在时间复杂度上有什么不同？由于一个额外的zip对象，第二种方法是否会增加空间复杂度？

两者都具有相同的时间和空间复杂度。它们各自都有各自的开销，这些开销在谈论复杂性时不包括在内，比如你提到的

zip

对象和你没有提到的

range

对象，所有在阴影中发生的函数调用

在实践中，这些并不重要，因此不要过早地进行微优化（“过早”在这里是指没有充分的理由预期性能问题，没有遇到性能问题，也没有基准测试）-选择可读选项

dict（zip（list1，list2））

---

附言

除了zip操作本身需要O（1）时间复杂性这一事实

---

创建一个

zip

是O（1），但在其所有元素上迭代的元素数是O（N）。

由于python是一种动态解释语言，需要在运行时确定变量的类型，因此在运行时实现代码的方式可能会有明显的不同。例如，在第一个解决方案中，python需要在每次迭代中计算出“i”的类型（可以使用cython进行修复），因此这会降低程序的速度。尽管如此，您可能不会注意到，通过少量的迭代。正如您在测试台上所看到的，第一种方法几乎慢了4倍

import time
list1 = [x for x in range(1000000)]
list2 = [x for x in range(1000000)]

dictLists = dict()
l = len(list1)

s = time.time()
for i in range(0, l):
    dictLists[list1[i]] = list2[i]
print(f"Time: {time.time()-s}")
# 0.39275574684143066

dictLists = dict()
s = time.time()

dictZip = dict(zip(list1,list2))
print(f"Time: {time.time()-s}")
# 0.09296393394470215