El mejor momento para comprar y vender acciones con enfriamiento
Guía detallada e implementación de Python para el problema 'Mejor momento para comprar y vender acciones con enfriamiento'.
1. aprender
El problema del 'Mejor momento para comprar y vender acciones con tiempo de reutilización' es un desafío clave en la sección DP 2D.
Esta implementación se centra en la lógica de nivel medio en Python.
Priorizamos la precisión técnica y la legibilidad del código en las soluciones que brindamos.
2. Real-World Applications
3. Visual Intuition
Visualización del flujo lógico para el mejor momento para comprar y vender acciones con enfriamiento.
4. Prerequisites
5. Step-by-Step Thinking
1. Understand the problem
Lea atentamente el planteamiento del problema sobre el mejor momento para comprar y vender acciones con tiempo de reutilización.
2. Formulate brute force
Redacte una solución iterativa simple.
3. Identify inefficiency
Busque cálculos redundantes.
4. Optimize search path
Utilice hash o clasificación para acelerar el proceso.
5. Final Implementation
Limpiar el código para los estándares de producción.
Declaración del problema
Se le proporciona una matriz de precios donde precios[i] es el precio de una acción determinada en el iésimo día.
Encuentre el máximo beneficio que puede lograr. Puede completar tantas transacciones como desee (es decir, comprar una acción y vender una acción varias veces) con las siguientes restricciones:
- Después de vender sus acciones, no podrá comprar acciones al día siguiente (es decir, un día de recuperación).
Nota: No puede realizar múltiples transacciones simultáneamente (es decir, debe vender las acciones antes de volver a comprarlas).
Escribe una función maxProfit(prices: List[int]) -> int.
- •1 <= len(prices) <= 5000
- •0 <= prices[i] <= 1000
Ejemplos
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
- Estructuras de entrada vacías
- Entradas de un solo elemento
- Grandes límites numéricos
¿Listo para resolver?
Open the problem in PyRun's browser-based Python editor. Your code runs fully offline — no server required.
Ideas y variaciones de la entrevista
Desglose del análisis de complejidad
Por qué el tiempo: Directly evaluates all possibilities.
Por qué el espacio: Uses standard local memory.
Por qué el tiempo: Optimized paths reduce total operations.
Por qué el espacio: May trade memory for speed.
Código Python de solución optimizada
Código Python de solución optimizada
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)Código de fuerza bruta (spoiler guardado)
Código de fuerza bruta (spoiler guardado)
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
Se aplican las propiedades estándar del problema DP 2D.
Preguntas relacionadas
PyRun is built and maintained by an independent solo developer. If this helped your interview prep, consider buying a coffee!
Recursos recomendados de Python
Amplíe sus conocimientos con tutoriales interactivos relacionados, hojas de trucos y comparaciones de códigos.
Prueba/excepto de Python y manejo de errores
Evite que sus scripts de Python fallen. Aprenda a intentar, excepto, finalmente bloquear y cómo generar excepciones personalizadas correctamente.
Cómo convertir una cadena a Int en Python
Aprenda cómo convertir una cadena a un número entero en Python usando la función int(). Maneje los errores de forma segura y convierta números de binario, octal o hexadecimal.
Hoja de referencia de formato de fecha y hora de Python
Aprenda a analizar y formatear fechas y horas en Python usando datetime, strftime y strptime.
Decoradores de Python versus patrón de diseño decorador: las diferencias clave
Compare los decoradores de Python y el patrón de diseño de decorador clásico. Comprenda las diferencias entre el ajuste de funciones en tiempo de definición y la composición dinámica de objetos en tiempo de ejecución con código ejecutable.