python买卖股票_用Python买卖股票III的最佳时间

该博客介绍了一种使用Python解决股票交易问题的算法,旨在找到在最多两次交易中能获得的最大利润。通过动态规划,创建一个二维矩阵来跟踪可能的交易路径,并给出一个示例代码实现,展示了如何在给定价格序列中找到最佳买卖点,从而最大化收益。例如,在价格序列[3, 3, 5, 0, 1, 3, 1, 4]中,最大利润为6。" 132963539,20036547,Kafka配置指南:创建多消费者集群,"['Kafka', '分布式系统', '流处理', '消费者组']
摘要由CSDN通过智能技术生成

假设我们有一个数组,第i个元素代表第i天给定股票的价格。我们必须设计一种算法来找到最大的利润。我们最多可以完成两笔交易。因此,如果给定价格为[3,3,5,0,1,3,1,4],则结果将为6,因为我们将在第4天买入(价格0),然后在第6天卖出,(价格3),则利润为3 – 0 =3。现在,但在第7天(价格1),并在第8天卖出(价格4),因此利润为4 – 1 = 3。

为了解决这个问题,我们将遵循以下步骤-n:= s的大小,m:= t的大小。通过在空格之前连接s和t来更新它们

制作一个大小为(n + 1)x(m + 1)的矩阵

设置dp [0,0]:= 1,然后为所有行的第0列设置1,放入1

对于我在1到n范围内如果s [i] = t [j],则

dp [i,j]:= dp [i,j] + dp [i – 1,j]

dp [i,j]:= dp [i – 1,j – 1]

对于1到m范围内的j

返回dp [n,m]

示例

让我们看下面的实现以更好地理解-class Solution(object):

def maxProfit(self, p):

if not p:

return 0

n = len(p)

dp = [0 for i in range(n)]

ans = 0

xmin = p[0]

for i in range(1,n):

xmin = min(xmin,p[i])

dp[i] = max(dp[i],p[i]-xmin)

ans = max(ans,dp[i])

xmax = [0 for i in range(n)]

xmax[-1] =p[-1]

tempp = 0

for i in range(n-2,-1,-1):

xmax[i] = max(xmax[i+1],p[i])

xmin = [p[-1],n]

for i in range(n-2,-1,-1):

tempp = max(tempp,xmax[i+1]-p[i+1])

ans = max(ans,dp[i]+tempp)

return ans

ob = Solution()print(ob.maxProfit([3,3,5,0,1,3,1,4]))

输入值[3,3,5,0,1,3,1,4]

输出结果6

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值