一文总结买卖股票的最佳时机的所有情况（附Python代码）

序言：

在数据结构与算法中的动态规划部分，买卖股票系列题目多，题解相似，值得对比总结一下。希望小伙伴们在看过这篇文章之后，可以对动态规划系列有一个清晰的认识，那么我们开始吧。

【注】本文部分参考于{代码随想录}公众号，想看详细解说的可以移步。

---

---

Leedcode121.买卖股票的最佳时机

问题描述：

股票只能买卖一次，求最大利润

解题思路：

dp[i][0] 表示第i天持有股票所剩得现金。（负的，即花了多少钱）
dp[i][1] 表示第i天不持有股票所得现金。

如果第i天持有股票即dp[i][0]， 那么可以由两个状态推出来：
（1）第i-1天就持有股票，那么就保持现状，所得现金就是昨天持有股票的所得现金即：dp[i - 1][0]
（2）第i天买入股票，所得现金就是买入今天的股票后所得现金即：-prices[i] 所以dp[i][0] = max(dp[i - 1][0], -prices[i]);

如果第i天不持有股票即dp[i][1]， 也可以由两个状态推出来
（1）第i-1天就不持有股票，那么就保持现状，所得现金就是昨天不持有股票的所得现金即：dp[i - 1][1]
（2）第i天卖出股票，所得现金就是按照今天股票佳价格卖出后所得现金即：prices[i] + dp[i - 1][0] 所以dp[i][1] = max(dp[i - 1][1], prices[i] + dp[i - 1][0]);

class Solution:
    def maxProfit(self, prices: List[int]) -> int:
        dp=[[0]*2 for i in range(len(prices))]
        dp[0][0]=-prices[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[-1][1]

---

Leedcode122.买卖股票的最佳时机II

问题描述

可以多次买卖股票，问最大收益。

解题思路

dp[i][0] 表示第i天持有股票所得现金
dp[i][1] 表示第i天不持有股票所得最多现金

如果第i天持有股票即dp[i][0]， 那么可以由两个状态推出来
（1）第i-1天就持有股票，那么就保持现状，所得现金就是昨天持有股票的所得现金 即：dp[i - 1][0]
（2）第i天买入股票，所得现金就是昨天不持有股票的所得现金减去 今天的股票价格 即：dp[i - 1][1] - prices[i]。【注意】这里是和上一题（121.买卖股票的最佳时机）唯一不同的地方

在上一题中，因为股票全程只能买卖一次，所以如果买入股票，那么第i天持有股票即dp[i][0]一定就是 -prices[i]。
而本题，因为一只股票可以买卖多次，所以当第i天买入股票的时候，所持有的现金可能有之前买卖过的利润。

如果第i天不持有股票即dp[i][1]， 也可以由两个状态推出来
（1）第i-1天就不持有股票，那么就保持现状，所得现金就是昨天不持有股票的所得现金即：dp[i - 1][1]
（2）第i天卖出股票，所得现金就是按照今天股票佳价格卖出后所得现金即：prices[i] + dp[i - 1][0] 所以dp[i][1] = max(dp[i - 1][1], prices[i] + dp[i - 1][0]);

class Solution:
    def maxProfit(self, prices: List[int]) -> int:
        dp=[[0]*2 for i in range(len(prices))]
        dp[0][0]=-prices[0]
        for i in