Python每日一练-----买卖股票的最佳时机Ⅱ

⛅（day17）

​​​​​​​

目录

🖍题目：

题目分析：

解题思路：

🌈贪婪算法

🌈动态规划解法

---

🖍题目：

给定一个数组 prices ，其中 prices[i] 表示股票第 i 天的价格。

在每一天，你可能会决定购买和/或出售股票。你在任何时候 最多 只能持有 一股 股票。你也可以购买它，然后在 同一天 出售。返回 你能获得的 最大 利润 。(1 <= prices.length <= 3 * 104）

 🌠示例 1:

输入: prices = [7,1,5,3,6,4]
输出: 7
说明: 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 。

最大利益 = 4 + 3 = 7

🌠示例 2:

输入: prices = [1,2,3,4,5]
输出: 4
说明: 在第 1 天（股票价格 = 1）的时候买入，在第 5 天 （股票价格 = 5）的时候卖出, 这笔交易所能获得利润 = 5-1 = 4 。
     （注意你不能在第 1 天和第 2 天接连购买股票，之后再将它们卖出。因为这样属于同时参与了多笔交易，不满足最多只能持有一股股票的要求，你必须在再次购买前出售掉之前的股票。）

最大利益 = 4

🌠示例 3:

输入: prices = [7,6,4,3,1]

输出: 0

说明: 在这种情况下, 没有交易完成, 所以最大利润为 0。（这里要求利润不能为负数）

题目分析：

题目要求在只能持有一股股票的情况下，进行购进和抛售，使得获取最大利益。可以在同一天买入和抛售，因为当天买卖股票的价格不变，所以这一天买卖股票的利益 = 0

以例1prices = [6，1，3，5]为例，最大利益 =（5-1）= 4，有很多人可能会想，我怎么知道要在第二天买入股票右在第四天卖出？实际上这会把问题复杂化。且看，换另一种计算方法   最大利益=（3-1）+（5-3）= 4.那么就有，我们只需要比较后一天的股票售价和前一天的股票售价，如果后一天的股票售价较高就可以出售。这就是贪婪算法。

解题思路：

解法一（贪婪算法）

根据贪婪算法（又叫贪心算法），我们只需比较后一天的股票售价和前一天的股票售价，如果后一天的股票售价较高就可以出售，出售获得的 利润=后一天股价 - 前一天股价

解法二（动态规划化）

上动态规划五部曲

✨1.分析确定dp数组以及其下标的含义

创建二维列表dp = [[0, 0], [0, 0]........[0, 0]]

为什么不创建一维列表？

因为我i们要表示两个状态：dp[i][0]表示第i天不持有股票，dp[i][1]b表示持有股票

✨2.确定递推公式 

根据上两个状态

1.第i天持有股票（dp[i][1])

那么可能的结果有：（1）第i-1天也持有股票，（2）第i-1天买入

prices[i]为股价

那么第i天持有股票得到得利润为

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

2.第i天不持有股票（dp[i][0])

那么可能的结果有：（1）第i-1天不持有股票，（2）第i-1天抛售

那么第i天持有股票得到得利润为

dp[i][0] = max(dp[i - 1][0], dp[i - 1][1] + prices[i])

那为什么第i天第状态不去判断今天买入或者抛售？

因为第i天买入抛售的结果已经包含在持不持有股票中。

最后不持有股票得状态即为本题的解（没抛售股票获得的利润一定小于抛售后）

✨3.如何初始化dp数组

由公式可知，dp[i][0], dp[i][1],是以dp[0][0], dp[0][1]，为基础的

那么dp[0][0] = 0,(因为不持有股票）

dp[0][1] = - prices[0],（因为购入了股票）

✨4.确定遍历的顺序

显然，dp[i][x]的递推方式为顺推

✨5.举例验证推导的dp数组（公式）是否正确

可以以例1为例检验

代码实现

🌈贪婪算法

def maxProfit(prices):
    ans = 0
    for i in range(1, len(prices)):  
        if prices[i] > prices[i - 1]:
            ans += prices[i] - prices[i - 1]
    return ans

✏代码注释

def maxProfit(prices):
    ans = 0      # 初始化利润
    for i in range(1, len(prices)):   # 由于prices[i-1]的限制，i从1开始。
        if prices[i] > prices[i - 1]:  # 比较前一天股价和后一天股价
            ans += prices[i] - prices[i - 1]  # 计算获得的利润
    return ans   # 返回结果

🌈动态规划解法

def maxProfit(prices):
    dp = [[0] * 2 for _ in range(len(prices))]
    dp[0][0] = 0
    dp[0][1] = - prices[0]

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

    return dp[len(prices) - 1][0]

✏代码注释

def maxProfit(prices):
    dp = [[0] * 2 for _ in range(len(prices))]  # 创建二维数组用于储存持有或不持由股票时的利润
    dp[0][0] = 0     # 初始化公式基础
    dp[0][1] = - prices[0]

    for i in range(1, len(prices)):  # 由于dp[i-1]的限制，i从1开始
        dp[i][0] = max(dp[i - 1][0], dp[i - 1][1] + prices[i])  # 用max()取持有或不持由股票时利润最大值
        dp[i][1] = max(dp[i - 1][1], dp[i - 1][0] - prices[i])

    return dp[len(prices) - 1][0]   # 返回最终不持由股票的状态

今天就到这，明天见。🚀

❄❄❄❄❄❄❄❄❄❄❄❄❄❄❄❄❄❄❄❄end❄❄❄❄❄❄❄❄❄❄❄❄❄❄❄❄❄❄❄❄❄❄❄❄❄❄