原题:
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。
在真实的面试中遇到过这道题?
是
否
贡献者
分析:
这道题实际上是“买股票的最佳时机”的演变,可以看我写的上一篇博客
还是原来的那个思路,将股票的价格波动用折线图表示出来,可以清楚地看到股票价格的波峰与波谷。为使获得的利润最大,即需要在每一个波谷处买入股票,在该波谷后的第一个波峰处卖出股票,并在每一个波谷处重复操作,返回最终的和值
代码:
import numpy as np
GPSType=np.dtype({'names':['sort','value'],'formats':['f','f']})
Crest=np.array([(0.,0.)]*10,dtype=GPSType) #创建Crest
Trough=np.array([(0.,0.)]*10,dtype=GPSType)
def maxProfit(self, prices: list) -> int:
i = len(prices)
c = 0
t = 0
if prices[0]>prices[1]:
Crest[0]['sort']=0
Crest[0]['value']=prices[0]
c = c+1
else :
Trough[0]['sort']=0
Trough[0]['value']=prices[0]
t = t+1
for j in range(1,i-1):
if (prices[j]>prices[j-1])and(prices[j]>prices[j+1]):
Crest[c]['sort']=c
Crest[c]['value']=prices[j]
c = c+1
if (prices[j]<prices[j-1])and(prices[j]<prices[j+1]):
Trough[t]['sort']=t
Trough[t]['value']=prices[j]
t = t+1
if prices[i-1]>prices[i-2]:
Crest[c]['sort'] = c
Crest[c]['value']=prices[i-1]
c = c+1
else :
Trough[t]['sort'] = t
Trough[t]['value'] = prices[i-1]
t = t+1
sumprofit = 0
if Crest[0]['value']==prices[0]:
for u in range(0,t):
for p in range(0,c):
if Trough[u]['sort']<Crest[p]['sort']:
test = Crest[p]['value']-Trough[u]['value']
sumprofit =sumprofit+test
break
else:
for u in range(0, t):
for p in range(0, c):
if Trough[u]['sort'] <=Crest[p]['sort']:
test = Crest[p]['value'] - Trough[u]['value']
sumprofit = sumprofit+test
break
#for j in
return sumprofit
#print(Data[0]['sort'])
self = 0
#price = [7,1,5,3,6,4]
price=[1,2,3,4,5]
print(maxProfit(self,price))
效果: