121. 买卖股票的最佳时机

题目描述：

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一次），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；同时，你不能在买入前卖出股票。
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。

个人思路：

本题是进行一次股票买入和卖出操作使得利润最大。我的第一反应是：遍历整个价格数组，如果当前遍历得到的价格大于之前数组切片中的最小值，则用该价格减去最小值，并进行保存，不然就保存0值。最后再遍历一次得到的保存值，得到其中的最大值。

但感觉这种方法太磨叽了。每次遍历比较时，都需要使用一个O(N)级的操作去获取之前数组切片的最小值。然后我就想既然这是道动态规划题，应该是可以用上动态规划的思想的。（没错！这就是传说中的面向标签编程！）于是我就思考如何优化这个取最小值的过程。不难发现，当遍历得到的价格小于之前数组切片中的最小值时，此时最小值可直接更新为当前遍历得到的价格，而不需要对整个切片进行遍历。这里实际上也是利用了动态规划的思想：重复利用之前已经得到的信息。

具体代码如下：

class Solution:
    def maxProfit(self, prices: List[int]) -> int:
        if not prices:
            return 0
        
        if len(prices) == 1:
            return 0
        
        min_price = prices[0]
        max_profit = 0
        
        for i in range(1, len(prices)):
            if prices[i] < min_price:  # 更新当前最小值
                min_price = prices[i]
            else:
                max_profit = max(max_profit, prices[i] - min_price)  # 更新当前最大利润
        return max_profit