Beste Zeit zum Kaufen und Verkaufen von Aktien mit Abklingzeit
Detaillierte Anleitung und Python-Implementierung für das Problem „Bester Zeitpunkt zum Kauf und Verkauf von Aktien mit Abklingzeit“.
1. Lernen
Das Problem „Bester Zeitpunkt zum Kauf und Verkauf von Aktien mit Abklingzeit“ ist eine zentrale Herausforderung im 2D-DP-Bereich.
Diese Implementierung konzentriert sich auf die Logik mittlerer Ebene in Python.
Wir legen bei unseren bereitgestellten Lösungen Wert auf technische Genauigkeit und Lesbarkeit des Codes.
2. Real-World Applications
3. Visual Intuition
Visualisierung des Logikflusses für die beste Zeit zum Kaufen und Verkaufen von Aktien mit Abklingzeit.
4. Prerequisites
5. Step-by-Step Thinking
1. Understand the problem
Lesen Sie die Problemstellung für den besten Zeitpunkt zum Kaufen und Verkaufen von Aktien mit Abklingzeit sorgfältig durch.
2. Formulate brute force
Entwerfen Sie eine einfache iterative Lösung.
3. Identify inefficiency
Suchen Sie nach redundanten Berechnungen.
4. Optimize search path
Verwenden Sie Hashing oder Sortieren, um den Prozess zu beschleunigen.
5. Final Implementation
Bereinigen Sie den Code für Produktionsstandards.
Problemstellung
Sie erhalten ein Array von Preisen, wobei „prices[i]“ der Preis einer bestimmten Aktie am i-ten Tag ist.
Finden Sie den maximalen Gewinn, den Sie erzielen können. Sie können so viele Transaktionen durchführen, wie Sie möchten (d. h. eine Aktie kaufen und eine Aktie mehrmals verkaufen), mit den folgenden Einschränkungen:
- Nachdem Sie Ihre Aktien verkauft haben, können Sie am nächsten Tag keine Aktien mehr kaufen (d. h. Abklingzeit an einem Tag).
Hinweis: Sie dürfen nicht mehrere Transaktionen gleichzeitig durchführen (d. h. Sie müssen die Aktie verkaufen, bevor Sie erneut kaufen).
Schreiben Sie eine Funktion maxProfit(prices: List[int]) -> int.
- •1 <= len(prices) <= 5000
- •0 <= prices[i] <= 1000
Beispiele
prices = [1,2,3,0,2]
3
Transactions = [buy, sell, cooldown, buy, sell].
prices = [1]
0
No transaction can be made.
Need a Hint?
Edge Cases to Watch
- Leere Eingabestrukturen
- Einzelelementeingaben
- Große numerische Grenzen
Bereit zur Lösung?
Open the problem in PyRun's browser-based Python editor. Your code runs fully offline — no server required.
Einblicke und Variationen in Interviews
Aufschlüsselung der Komplexitätsanalyse
Warum Zeit: Directly evaluates all possibilities.
Warum Weltraum: Uses standard local memory.
Warum Zeit: Optimized paths reduce total operations.
Warum Weltraum: May trade memory for speed.
Optimierter Lösungs-Python-Code
Optimierter Lösungs-Python-Code
def max_profit_opt(prices):
dp = {} # (i, buying)
def dfs(i, buying):
if i >= len(prices): return 0
if (i, buying) in dp: return dp[(i, buying)]
if buying:
buy = dfs(i + 1, not buying) - prices[i]
skip = dfs(i + 1, buying)
dp[(i, buying)] = max(buy, skip)
else:
sell = dfs(i + 2, not buying) + prices[i]
skip = dfs(i + 1, buying)
dp[(i, buying)] = max(sell, skip)
return dp[(i, buying)]
return dfs(0, True)Brute-Force-Code (Spoiler Guarded)
Brute-Force-Code (Spoiler Guarded)
def max_profit_brute(prices):
def dfs(i, buying):
if i >= len(prices): return 0
if buying:
buy = dfs(i + 1, not buying) - prices[i]
skip = dfs(i + 1, buying)
return max(buy, skip)
else:
sell = dfs(i + 2, not buying) + prices[i]
skip = dfs(i + 1, buying)
return max(sell, skip)
return dfs(0, True)Algorithm Pattern Checklist
When dealing with 2D DP data patterns.
- Are constraints clear?
- Is there a linear or logarithmic optimization possible?
Key Revision Notes
Es gelten die standardmäßigen 2D-DP-Problemeigenschaften.
Verwandte Fragen
PyRun is built and maintained by an independent solo developer. If this helped your interview prep, consider buying a coffee!
Empfohlene Python-Ressourcen
Erweitern Sie Ihr Wissen mit zugehörigen interaktiven Tutorials, Spickzetteln und Codevergleichen.
Python Try/Except und Fehlerbehandlung
Verhindern Sie, dass Ihre Python-Skripte abstürzen. Erfahren Sie, wie Sie Try-Except- und Finally-Blöcke erstellen und wie Sie benutzerdefinierte Ausnahmen richtig auslösen.
So konvertieren Sie String in Int in Python
Erfahren Sie, wie Sie in Python mithilfe der Funktion int() einen String in eine Ganzzahl konvertieren. Behandeln Sie Fehler sicher und konvertieren Sie Zahlen aus Binär-, Oktal- oder Hexadezimalwerten.
Python DateTime-Formatierungs-Spickzettel
Erfahren Sie, wie Sie Datums- und Uhrzeitangaben in Python mithilfe von datetime, strftime und strptime analysieren und formatieren.
Python Decorators vs. Decorator Design Pattern: Die wichtigsten Unterschiede
Vergleichen Sie Python-Dekoratoren und das klassische Dekorator-Designmuster. Verstehen Sie die Unterschiede zwischen dem Funktionsumbruch zur Definitionszeit und der dynamischen Objektkomposition zur Laufzeit mit ausführbarem Code.