122. 买卖股票的最佳时机 II

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。

设计一个算法来计算你所能获取的最大利润。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）。

示例 1:

输入: [7,1,5,3,6,4]
输出: 7
解释: 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 。

示例 2:

输入: [1,2,3,4,5]
输出: 4
解释: 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，你必须在再次购买前出售掉之前的股票。

示例 3:

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。

链接：https://leetcode-cn.com/problems/best-time-to-buy-and-sell-stock-ii

因为可以随时卖掉股票，那么我们的策略就变成，买下当前，它涨到最高点时卖掉，分解成两个问题，怎么找到什么时候该买进，什么时候该卖掉。
什么时候买进：可以采用遍历法，当一个股票处于局部低点时，就买进，判断标准是，在它之前，股票在跌，在它之后在涨。
什么时候卖掉：和上面的思路一样，在它之前在涨，在它之后跌了。（注意！不是都在涨！或者都在跌！只要看局部就可以）

class Solution:
    def maxProfit(self, prices: List[int]) -> int:
        # 记录结果
        result = 0
        # 遍历
        i = 0
        while i < len(prices) - 1:
            # 在下跌，就不理他
            if prices[i] > prices[i + 1]:
                i += 1
                continue
            # 开始上涨了
            else:
                j = i + 1
                # 找到最高点
                while j < len(prices) - 1:
                    if prices[j] <= prices[j + 1]:
                        j += 1
                    else:
                        result += prices[j] - prices[i]
                        i = j + 1
                        break
                if j == len(prices) - 1:
                    result += prices[j] - prices[i]
                    break

        return result

简单来说就是，如果今天的价格比昨天的高，那么直接卖出（假设每天都进行买卖）

class Solution:
    def maxProfit(self, prices: List[int]) -> int:
        result = 0
        for i in range(1, len(prices)):
            if prices[i] > prices[i-1]:
                result += prices[i] - prices[i-1]
        return result

再来一个动态规划的思路：
方法二：动态规划（通用）
根据 「力扣」第 121 题的思路，需要设置一个二维矩阵表示状态。

第 1 步：定义状态
状态 dp[i][j] 定义如下：

dp[i][j] 表示到下标为 i 的这一天，持股状态为 j 时，我们手上拥有的最大现金数。

注意：限定持股状态为 j 是为了方便推导状态转移方程，这样的做法满足 无后效性。

其中：

第一维 i 表示下标为 i 的那一天（ 具有前缀性质，即考虑了之前天数的交易 ）；
第二维 j 表示下标为 i 的那一天是持有股票，还是持有现金。这里 0 表示持有现金（cash），1 表示持有股票（stock）。
第 2 步：思考状态转移方程
状态从持有现金（cash）开始，到最后一天我们关心的状态依然是持有现金（cash）；
每一天状态可以转移，也可以不动。状态转移用下图表示：

（状态转移方程写在代码中）

说明：

由于不限制交易次数，除了最后一天，每一天的状态可能不变化，也可能转移；
写代码的时候，可以不用对最后一天单独处理，输出最后一天，状态为 0 的时候的值即可。
第 3 步：确定初始值
起始的时候：

如果什么都不做，dp[0][0] = 0；
如果持有股票，当前拥有的现金数是当天股价的相反数，即 dp[0][1] = -prices[i]；
第 4 步：确定输出值
终止的时候，上面也分析了，输出 dp[len - 1][0]，因为一定有 dp[len - 1][0] > dp[len - 1][1]。

作者：liweiwei1419
链接：https://leetcode-cn.com/problems/best-time-to-buy-and-sell-stock-ii/solution/tan-xin-suan-fa-by-liweiwei1419-2/

根据以上思路写出代码

class Solution:
    def maxProfit(self, prices: List[int]) -> int:
        # 动态规划
        # d[i][j]表示第i-1天时，持有状态为j时手上有的钱
        d = [[0 for i in range(2)] for j in range(len(prices))]
        d[0][0] = 0
        d[0][1] = -prices[0]
        for i in range(1, len(prices)):
            # 第i天没有持有股票，则可能是第i-1天就没有股票或者i-1天有股票，但是第i天卖了
            d[i][0] = max(d[i-1][0], d[i-1][1]+prices[i])
            # 第i天持有股票，则可能是第i-1天没有股票，第i天买入了，或者是i-1天也有
            d[i][1] = max(d[i-1][0]-prices[i], d[i-1][1])
        # 因为最后一天没有股票肯定比有股票在手里更多钱
        return d[len(prices)-1][0]