day41 代码随想录 | 股票买卖的最佳时机

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。

这是买卖股票最简单的版本，只能交易一次，而且不能当天买当天卖

可以使用贪心算法和动态规划

贪心就是，我要求求局部最小的股票价格，然后遍历后面的数组，让大的减去小的，直到算出最大或者遍历完

def maxProfit(prices: List[int]) -> int:
    low = float('inf')

    result = 0

    for i in range(len(prices):

        low = min(low, prices[i])
        result = max(result, prices[i] - low)

    return result
    

动态规划

动态规划的核心还是在dp数组的定义上，对于股票，要明确持有还是不持有的概念

因此这个题只有一个交易，其实就是两个状态

dp[i][0] 代表第i天持有股票，不一定是第i天买的，也可能是前i-1天

dp[i][1] 代表第i天不持有股票，说明卖了，可以是第i天卖的，也可使第i-1天

递推公式

dp[i][0] = max(dp[i-1][0], -prices[i]) 因为只有一次交易，你买入肯定是-prices[i]

dp[i][1] = max(dp[i-1][1], prices[i] + dp[i-1][0]) 要么第i天不交易，第i天交易的化就需要减去前面i-1买入的价格

初始化

从递推公式可以看出，需要初始化dp[0][0], dp[0][1]

dp[0][0] = -prices[i]

dp[0][1] = 0

那么dp[0][0]表示第0天持有股票，此时的持有股票就一定是买入股票了，因为不可能有前一天推出来，所以dp[0][0] -= prices[0];

dp[0][1]表示第0天不持有股票，不持有股票那么现金就是0

遍历顺序

从前到后

def maxProfit(prices: List[int]) -> int:
    dp = [[0] * 2 for _ in range(len(prices]]

    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], prices[i] + dp[i-1][0])

    return dp[len(prices)-1][1]

122.买卖股票的最佳时机II

给你一个整数数组 prices ，其中 prices[i] 表示某支股票第 i 天的价格。

在每一天，你可以决定是否购买和/或出售股票。你在任何时候 最多 只能持有 一股 股票。你也可以先购买，然后在 同一天 出售。

返回 你能获得的 最大 利润 。

示例 1：

输入：prices = [7,1,5,3,6,4]
输出：7
解释：在第 2 天（股票价格 = 1）的时候买入，在第 3 天（股票价格 = 5）的时候卖出, 这笔交易所能获得利润 = 5 - 1 = 4。
随后，在第 4 天（股票价格 = 3）的时候买入，在第 5 天（股票价格 = 6）的时候卖出, 这笔交易所能获得利润 = 6 - 3 = 3。
最大总利润为 4 + 3 = 7 。

与前面一个题的区别在于，你可以买卖多次！

那么这个区别在代码哪里可以体现呢

就是你买入的那部分，不是-prices[i]了，因为你可以依靠前面卖股票的钱来继续买股票

dp[i][0] = max(dp[i-1][0], dp[i-1][1] - prices[i]) 代码如下

def maxProfit(self, prices: List[int]) -> int:
    
    dp = [[0, 0] for _ in range(len(prices))]
    dp[0][0] = -prices[0]
    dp[0][1] = 0

    for i in range(1, len(prices)):
       dp[i][0] = max(dp[i-1][1]-prices[i], dp[i-1][0])
       dp[i][1] = max(dp[i-1][1], prices[i] + dp[i-1][0])

    return dp[len(prices)-1][1]
  

123.买卖股票的最佳时机III

给定一个数组，它的第 i 个元素是一支给定的股票在第 i 天的价格。

设计一个算法来计算你所能获取的最大利润。你最多可以完成 两笔 交易。

注意：你不能同时参与多笔交易（你必须在再次购买前出售掉之前的股票）。

示例 1:

输入：prices = [3,3,5,0,0,3,1,4]
输出：6
解释：在第 4 天（股票价格 = 0）的时候买入，在第 6 天（股票价格 = 3）的时候卖出，这笔交易所能获得利润 = 3-0 = 3 。
     随后，在第 7 天（股票价格 = 1）的时候买入，在第 8 天 （股票价格 = 4）的时候卖出，这笔交易所能获得利润 = 4-1 = 3 。

这个题与上面的题不同在于，限制了你的交易次数，不能随便交易了

你可以交易0次，1次或者2次

那么其实就有5种状态

一天一共就有五个状态，

1. 没有操作 （其实我们也可以不设置这个状态）
2. 第一次持有股票
3. 第一次不持有股票
4. 第二次持有股票
5. 第二次不持有股票

dp[i][j]中 i表示第i天，j为 [0 - 4] 五个状态，dp[i][j]表示第i天状态j所剩最大现金。

达到dp[i][1]状态，有两个具体操作：

• 操作一：第i天买入股票了，那么dp[i][1] = dp[i-1][0] - prices[i]
• 操作二：第i天没有操作，而是沿用前一天买入的状态，即：dp[i][1] = dp[i - 1][1]

那么dp[i][1]究竟选 dp[i-1][0] - prices[i]，还是dp[i - 1][1]呢？

一定是选最大的，所以 dp[i][1] = max(dp[i-1][0] - prices[i], dp[i - 1][1]);

同理dp[i][2]也有两个操作：

• 操作一：第i天卖出股票了，那么dp[i][2] = dp[i - 1][1] + prices[i]
• 操作二：第i天没有操作，沿用前一天卖出股票的状态，即：dp[i][2] = dp[i - 1][2]

只是增加了状态，代码如下

def maxProfit(prices: List[int]) -> int:
    dp = [[0] * 5 for _ in range(len(prices)]

    dp[0][0] = 0
    dp[0][1] = -prices[i]
    dp[0][3] = -prices[i]

    for i in range(1, len(prices)):
        dp[i][0] = dp[i-1][0]
        dp[i][1] = max(dp[i-1][1], dp[i-1][0] - prices[i])
        dp[i][2] = max(dp[i-1][2], dp[i-1][1] + prices[i])
        dp[i][3] = max(dp[i-1][3], dp[i-1][2] - prices[i])
        dp[i][4] = max(dp[i-1][4], dp[i-1][3] + prices[i])
    
    return dp[len(prices)-1][4]

188.买卖股票的最佳时机IV

给你一个整数数组 prices 和一个整数 k ，其中 prices[i] 是某支给定的股票在第 i 天的价格。

设计一个算法来计算你所能获取的最大利润。你最多可以完成 k 笔交易。也就是说，你最多可以买 k 次，卖 k 次。

注意：你不能同时参与多笔交易（你必须在再次购买前出售掉之前的股票）。

这个题就是跟上面的扩展，k笔交易就有2*k + 1个状态

从上面的推到可以看出，偶数是卖出 除了0， 奇数是买入，而且奇数初始化为-prices[0]

def maxProfit(k: int, prices: List[int]) -> int:
    dp = [[0] * (2*k+1) for _ in range(len(prices))]

    for j in range(1, 2*k, 2):
        dp[0][j] = -prices[0]

    for i in range(1, len(prices):
        for j in range(1, 2*k, 2):
            dp[i][j] = max(dp[i-1][j], dp[i-1][j-1] - prices[i])
            dp[i][j+1] = max(dp[i-1][j+1], dp[i-1][j] + prices[i])

    return dp[-1][2*k]