LeetCode：121. 买卖股票的最佳时机（python）

LeetCode：121. 买卖股票的最佳时机（python）

给定一个数组，它的第 i 个元素是一支给定股票第 i 天的价格。

如果你最多只允许完成一笔交易（即买入和卖出一支股票），设计一个算法来计算你所能获取的最大利润。

注意你不能在买入股票前卖出股票。

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。

示例 2:

输入: [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。

LeetCode 链接

---

思路1：

• 从后往前遍历，通过已找到的最高股票价格更新最大利润值，随后查看是否需要更新最高股票价格，若是，则更新。

附代码1（Python）：

class Solution:
    def maxProfit(self, prices):
        if not prices:
            return 0
        res = 0                                  # 初始化最大利润
        max_p = prices[-1]                       # 初始化最大股票价格
        for i in range(len(prices)-2, -1, -1):   # 从后往前遍历  
            res = max(res, max_p-prices[i])      # 更新最大利润
            max_p = max(max_p, prices[i])        # 更新最高股票价格
        return res

test = Solution()
prices_li = [[7,1,5,3,6,4],
             [7,6,4,3,1]
            ]
for prices in prices_li:
    print(test.maxProfit(prices))

5
0

思路2：动态规划

1. 分析股票交易动态规划方案

• 状态：

  • 天数
  • 交易次数
  • 持有状态（1表示持有，0表示未持有）

  用 dp[i][k][0 或 1] 表示第 i 天，第 k 次交易，持有或未持有的最大收益，最多有 n*K*2 中状态，n 为总天数，K 为最多交易次数。

• 选择：

  • 买入，buy
  • 卖出，sell
  • 无操作，rest

  在 dp[i][k][0] 时为未持有状态，则有两种选择 max(无操作，买入)；在 dp[i][k][1] 时为持有状态，则有两种选择 max(无操作，卖出)。

• 状态转移：

  

  得状态转移方程：

  dp[i][k][0] = max(dp[i-1][k][0], dp[i-1][k][1] + prices[i])
max( 选择 rest , 选择 sell )

  dp[i][k][1] = max(dp[i-1][k][1], dp[i-1][k-1][0] - prices[i])
max( 选择 rest , 选择 buy )

  注意：buy 或 sell 之后交易次数 +1 （此处选择在 buy 之后记录交易次数）

• 初始化：第 i 天的最大收益需要由第 i-1 天的最大收益转移

  • 若 dp 从 i=0 开始，则需要考虑 i=-1 的情况，第 0 天有两种选择，rest（无操作）或 buy（买入）。状态为 0 （未持有股票）时只能选择 rest，因此，dp[-1][k][0]=0表示未有收益产生，dp[-1][k][1]=负无穷保证 sell 不能被选到；状态为 1 （持有股票）时只能选择 buy，因此，dp[-1][k][1]=负无穷保证 rest 不能被选到，dp[-1][k-1][0]=0表示未有收益产生，此时选择 buy 表示买入起始股票，收益为负，即 - prices[i] 。

    注意：索引 -1 为 0 的前一位，并非倒数最后一位，通常做添加一行（或一列）处理

  • 若 dp 从 i=1 开始，则需要考虑 i=0 的情况，第 0 天有两种选择，rest（无操作）或 buy（买入），dp[0][k][0]=0表示状态为 0 （未持有股票）选择 rest ；dp[0][k][1]=-prices[0]表示状态为 1 （持有股票）选择 buy 表示买入起始股票，买入时收益为负。

• 返回值：dp[n-1][K][0]，表示状态为最后一天（n-1）、最多交易次数（K）、未持有股票（0，已卖出股票）时的收益。

2. 分析完股票交易的背景，现在查看本题要求，K=1，则 k 有 0 或 1 两种状态。在 k = 0 时表示未有交易发生，则 dp[i-1][0][0]=0。观察状态转移方程，其余状态只剩下 k=1，因此，简化状态转移方程如下：

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

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

附代码2（Python）：

class Solution:
    def maxProfit(self, prices):
        if not prices:
            return 0
        n = len(prices)
        # 初始化 i=0 的状态
        dp = [[0]*2 for _ in range(n)]
        dp[0][1] = -prices[0]
        # 从 i=1 处开始动态转移
        for i in range(1, n):
            dp[i][0] = max(dp[i-1][0], dp[i-1][1]+prices[i])
            dp[i][1] = max(dp[i-1][1], -prices[i])
        return dp[n-1][0]

test = Solution()
prices_li = [[7,1,5,3,6,4],
             [7,6,4,3,1],
             [1,2]
            ]
for prices in prices_li:
    print(test.maxProfit(prices))

5
0
1

思路3：优化动态规划

• 观察上述状态转移方程，发现当天状态只与前一天状态有关，因此可采用单变量代替 dp 数组。

附代码3.1（Python）：从 i=1 处开始迭代

class Solution:
    def maxProfit(self, prices):
        if not prices:
            return 0
        # 初始化状态
        dp_i_0 = 0
        dp_i_1 = -prices[0]
        # 从 i=1 处开始迭代
        for i in range(1, len(prices)):
            dp_i_0 = max(dp_i_0, dp_i_1+prices[i])
            dp_i_1 = max(dp_i_1, -prices[i])
        return dp_i_0

test = Solution()
prices_li = [[7,1,5,3,6,4],
             [7,6,4,3,1],
             [1,2]
            ]
for prices in prices_li:
    print(test.maxProfit(prices))

5
0
1

附代码3.2（Python）：从 i=0 处开始迭代

class Solution:
    def maxProfit(self, prices):
        if not prices:
            return 0
        # 初始化状态
        dp_i_0 = 0
        dp_i_1 = float('-inf')
        # 从 i=0 处开始迭代
        for i in range(len(prices)):
            dp_i_0 = max(dp_i_0, dp_i_1+prices[i])
            dp_i_1 = max(dp_i_1, -prices[i])
        return dp_i_0

test = Solution()
prices_li = [[7,1,5,3,6,4],
             [7,6,4,3,1],
             [1,2]
            ]
for prices in prices_li:
    print(test.maxProfit(prices))

5
0
1

---

总结：

本题可以采用思路 1 的简单方法，介绍动态规划方法是因为 LeetCode 有一系列的股票题，可使用动态规划进行通解，可以更好地学习动态规划。

其他股票题的笔记如下：

LeetCode：121. 买卖股票的最佳时机（python）

LeetCode：122. 买卖股票的最佳时机 II（python）

LeetCode：123. 买卖股票的最佳时机 III（python）

LeetCode：188. 买卖股票的最佳时机 IV（python）

LeetCode：309. 最佳买卖股票时机含冷冻期（python）

LeetCode：714. 买卖股票的最佳时机含手续费（python）

---

参考：

LeetCode 题解