代码随想录算法训练营第五十一天| 121. 买卖股票的最佳时机、122.买卖股票的最佳时机II、123.买卖股票的最佳时机III

121. 买卖股票的最佳时机

一只股票只能买卖一次

代码随想录

. - 力扣（LeetCode）

• 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。

动规五部曲分析如下：

确定dp数组（dp table）以及下标的含义

dp[i][0] 表示第i天持有股票所得最多现金 ，这里可能有同学疑惑，本题中只能买卖一次，持有股票之后哪还有现金呢？

其实一开始现金是0，那么加入第i天买入股票现金就是 -prices[i]， 这是一个负数。

dp[i][1] 表示第i天不持有股票所得最多现金

注意这里说的是“持有”，“持有”不代表就是当天“买入”！也有可能是昨天就买入了，今天保持持有的状态

很多同学把“持有”和“买入”没区分清楚。

确定递推公式

关键点：看dp[i][0]和dp[i][1]是由哪些状态推出来的

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

• 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]
• 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]

那么dp[i][0]应该选所得现金最大的，所以dp[i][0] = max(dp[i - 1][0], -prices[i]);（这里就保证了在股票价格最少的时候买入）

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

• 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]
• 第i天卖出股票，那么前一天一定是持有股票的状态，所得现金就是按照今天股票价格卖出后所得现金即：prices[i] + dp[i - 1][0]

同样dp[i][1]取最大的，dp[i][1] = max(dp[i - 1][1], prices[i] + dp[i - 1][0]);（这里保证了在价格最高的时候卖出）

初始化dp数组

dp[i][0] 与dp[i-1][0]有关，dp[i][1]与dp[i - 1][1]，dp[i - 1][0]有关

所以要初始化dp[0][0]和dp[0][1]

i从1开始遍历

dp[0][0] :第0天持有股票所得最多现金（一定是在第0天买入了） ： -prices[0]

dp[0][1] :第1天不持有股票所得最多现金（没有买入也没有卖出） ：0

遍历顺序

后面状态依赖前面状态，所以从前往后遍历，i从1开始

class Solution:
    def maxProfit(self, prices: List[int]) -> int:
        dp = [[0 for _ in range(2)] for _ in range(len(prices))]
        #dp[i][0]表示持有股票，dp[i][1]表示不持有股票
        dp[0][0] = -prices[0]
        dp[0][1] = 0

        for i in range(1,len(prices)):
            #第i天持有股票:i-1天就已经买入了，或者第i天才买入
            dp[i][0] = max(dp[i-1][0],-prices[i])
            #第i天不持有股票:i-1天就已经不持有了，或者第i天才卖出
            dp[i][1] = max(dp[i-1][1],prices[i]+dp[i-1][0])
        return dp[-1][1]

进一步优化：从递推公式可以看出，dp[i]只是依赖于dp[i - 1]的状态。那么我们只需要记录 当前天的dp状态和前一天的dp状态就可以了，可以使用滚动数组来节省空间 

122.买卖股票的最佳时机II

. - 力扣（LeetCode）代码随想录

. - 力扣（LeetCode）

这个题与上一题的区别在于：

你可以尽可能地完成更多的交易（多次买卖一支股票）。

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）

 

dp[i][1]和上一题是一样的，区别在于dp[i][0] ,如果只有一次买卖股票，那么我们第i天买入股票，一定是第一次买入股票，初始现金是0，那么这时的现金就是-prises[i],但是在多次买卖股票时，这时不一定是第一次买卖股票，所以现金不一定是0，那么现金如何计算呢，应该是dp[i-1][1],前一天不持有股票的最大现金（同一天可以卖入买出股票吗）

class Solution:
    def maxProfit(self, prices: List[int]) -> int:
        dp = [[0 for _ in range(2)] for _ in range(len(prices))]
        #dp[i][0]表示持有股票，dp[i][1]表示不持有股票
        dp[0][0] = -prices[0]
        dp[0][1] = 0

        for i in range(1,len(prices)):
            #第i天持有股票:i-1天就已经买入了，或者第i天才买入,与上一题的区别就在这里
            dp[i][0] = max(dp[i-1][0],dp[i-1][1]-prices[i])
            #第i天不持有股票:i-1天就已经不持有了，或者第i天才卖出
            dp[i][1] = max(dp[i-1][1],prices[i]+dp[i-1][0])
        return dp[-1][1]

123.买卖股票的最佳时机III

代码随想录

. - 力扣（LeetCode）

本题与之前题的区别：最多可以完成 两笔 交易 （买一次还是两次呢）

确定dp数组（dp table）以及下标的含义

dp[i][0] 表示不操作

dp[i][1] 表示第一次持有（可以是延续前一天就已经买入的操作，或者当天买入）

dp[i][2] 表示第一次不持有（可以是延续前一天就已经卖出的操作，也可以是第i天就卖出了）

dp[i][3] 表示第二次持有（可以是延续前一天就已经买入的操作，或者当天买入）

dp[i][4] 表示第二次不持有（可以是延续前一天就已经卖出的操作，也可以是第i天就卖出了）

注意这里说的是“持有”，“持有”不代表就是当天“买入”！也有可能是昨天就买入了，今天保持持有的状态

很多同学把“持有”和“买入”没区分清楚。

确定递推公式

关键点：看dp[i][0]和dp[i][1]，dp[i][2]，dp[i][3]，dp[i][4]是由哪些状态推出来的

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])

第二次买入，前一天的状态就是第一次不持有

dp[i][3] = max(dp[i-1][3] , dp[i-1][2]-prices[i])

第二次不持有，前一天的状态就是第二次持有

dp[i][4] = max(dp[i-1][4] , dp[i-1][3]+prices[i])

初始化dp数组(可以同一天买入卖出)

当天可以买卖和当天不可以买卖，是一样的

dp[i]与dp[i-1]有关

所以要初始化dp[0]和dp[0]

i从1开始遍历

dp[0][0] :0

dp[0][1] :-prices[0] 第0天买入

dp[0][2]:0

dp[0][3]:-prices[0]

dp[0][4]:0

遍历顺序

后面状态依赖前面状态，所以从前往后遍历，i从1开始

class Solution:
    def maxProfit(self, prices: List[int]) -> int:
        #len(prices) * 5维数组
        dp = [[0 for _ in range(5)] for i in range(len(prices))]
        #dp[i][0] 不操作，dp[i][1]：第一次持有 ，dp[i][2]：第一次不持有 ，dp[i][3]：第二次持有 ，dp[i][4]： 第二次不持有
        dp[0] = [0,-prices[0],0,-prices[0],0]
        for i in range(1,len(prices)):
            dp[i][0] = dp[i-1][0]
            dp[i][1] = max(dp[i-1][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[-1][4] #这个结果包含了第一次买卖的最大值

如果第一次卖出已经是最大值了，那么我们可以在当天立刻买入再立刻卖出。所以dp[4][4]已经包含了dp[4][2]的情况。也就是说第二次卖出手里所剩的钱一定是最多的