121. 买卖股票的最佳时机

给定一个数组 prices ，它的第 i 个元素 prices[i] 表示一支给定股票第 i 天的价格。

你只能选择 某一天 买入这只股票，并选择在 未来的某一个不同的日子 卖出该股票。设计一个算法来计算你所能获取的最大利润。

返回你可以从这笔交易中获取的最大利润。如果你不能获取任何利润，返回 0 。

示例 1：

输入：[7,1,5,3,6,4]
输出：5
解释：在第 2 天（股票价格 = 1）的时候买入，在第 5 天（股票价格 = 6）的时候卖出，最大利润 = 6-1 = 5 。
     注意利润不能是 7-1 = 6, 因为卖出价格需要大于买入价格；同时，你不能在买入前卖出股票。

示例 2：

输入：prices = [7,6,4,3,1]
输出：0
解释：在这种情况下, 没有交易完成, 所以最大利润为 0。

思路：选择某一天买入，然后再从这一天之和的某一天卖出，并且卖出的价格一定要大于买入的价格，因此利润最小设置为0，然后遍历prices数组，假设当天买入，然后在今天之后的某一天选择价格最高的那天卖出，得到一个利润，和已有的profit比较，直到遍历完数组。

代码（Python）：

class Solution(object):
    def maxProfit(self, prices):
        profit = 0                              #最大利润
        for i in range(len(prices)):
            buyPrice = prices[i]                    #买入价格
            sellPrice = max(prices[i:len(prices)])   #从剩余几天选择一天价格最高的卖出
            profit = max(profit,sellPrice-buyPrice)  #更新profit
        return profit

更新：上述的方法是最直观的，但时间复杂度很高，下面再给出贪心和动规的方法 

贪心：遍历数组，每次都从左边取最小，作为买入的那天，然后计算卖掉能获得的最大利润，和上面的思路一样，但写法不同，时间复杂度也更小一些。 

class Solution(object):
    def maxProfit(self, prices):
        result = 0
        low = 100001
        for i in range(len(prices)):
            low = min(low,prices[i])          #最低买入价格
            result = max(result,prices[i]-low)   #能获得的最大利润
        return result

动态规划：股票问题也是很经典的动规问题。

首先明确定义：dp[i][0]表示第i天持有股票所得的最大利润，dp[i][1]表示第i天不持有股票获得的最大利润；

然后递推公式：首先是dp[i][0]的，第i天持有股票可以分两种情况：1. 第i-1天就持有股票了，那dp[i][0] = dp[i-1][0]，2.第i-1天没有股票，在第i天买入了股票，那dp[i][0] = -prices[i]，一开始拥有的钱视为0，就等于减去买这支股票的钱。接下去是dp[i][1]的，第i天不持有股票也可以分为两种情况：1.第i-1天也不持有股票，dp[i][1] = dp[i-1][1]，2.第i天把股票卖出了，那dp[i][1]=dp[i-1][0]+prices[i]，等于前一天持有股票已得的利润加上卖出这支股票的钱。

然后是初始化：每个dp[i]依赖于dp[i-1]的值，因此dp[0][0]和dp[0][1]都需要初始化，dp[0][0]表示第0天持有股票，那就等于-prices[0]，dp[0][1]表示第0天不持有股票，那就为0。

最后是遍历顺序，很明显从前往后遍历。

class Solution(object):
    def maxProfit(self, prices):
        dp = [[0]*2 for _ in range(len(prices) )]
        if len(prices) == 0:
            return 0
        dp[0][0] = -prices[0]
        dp[0][1] = 0
        for i in range(1,len(prices)):
            dp[i][0] = max(dp[i-1][0],-prices[i])
            dp[i][1] = max(dp[i-1][1],dp[i-1][0]+prices[i])
        return dp[len(prices)-1][1]