Meilleur moment pour acheter et vendre des actions
Guide détaillé et implémentation de Python pour le problème « Meilleur moment pour acheter et vendre des actions ».
1. Apprendre
Le problème du « Meilleur moment pour acheter et vendre des actions » est un défi clé dans la section Fenêtre coulissante.
Cette implémentation se concentre sur la logique de niveau simple dans Python.
Nous accordons la priorité à la précision technique et à la lisibilité du code dans les solutions que nous proposons.
2. Real-World Applications
3. Visual Intuition
Visualiser le flux logique du meilleur moment pour acheter et vendre des actions.
4. Prerequisites
5. Step-by-Step Thinking
1. Understand the problem
Lisez attentivement l’énoncé du problème concernant le meilleur moment pour acheter et vendre des actions.
2. Formulate brute force
Rédigez une solution itérative simple.
3. Identify inefficiency
Recherchez les calculs redondants.
4. Optimize search path
Utilisez le hachage ou le tri pour accélérer le processus.
5. Final Implementation
Nettoyer le code pour les normes de production.
Énoncé du problème
Vous recevez un tableau prices où prices[i] est le prix d'une action donnée le ième jour.
Vous souhaitez maximiser votre profit en choisissant un seul jour pour acheter une action et en choisissant un autre jour dans le futur pour vendre cette action.
Renvoyez le profit maximum que vous pouvez réaliser grâce à cette transaction. Si vous ne parvenez à réaliser aucun profit, renvoyez 0.
Écrivez une fonction maxProfit(prices: List[int]) -> int.
- •1 <= len(prices) <= 10^5
- •0 <= prices[i] <= 10^4
Exemples
prices = [7, 1, 5, 3, 6, 4]
5
Buy on day 2 (price = 1) and sell on day 5 (price = 6). Profit = 6 - 1 = 5.
prices = [7, 6, 4, 3, 1]
0
No profitable transaction is possible since prices only decrease.
Need a Hint?
Edge Cases to Watch
- Structures d'entrée vides
- Entrées à élément unique
- Grandes limites numériques
Prêt à résoudre ?
Open the problem in PyRun's browser-based Python editor. Your code runs fully offline — no server required.
Aperçus et variations des entretiens
Répartition de l'analyse de complexité
Pourquoi le temps: Directly evaluates all possibilities.
Pourquoi l'espace: Uses standard local memory.
Pourquoi le temps: Optimized paths reduce total operations.
Pourquoi l'espace: May trade memory for speed.
Code Python de solution optimisée
Code Python de solution optimisée
def max_profit_opt(prices):
l, r = 0, 1 # l:buy, r:sell
maxP = 0
while r < len(prices):
if prices[l] < prices[r]:
profit = prices[r] - prices[l]
maxP = max(maxP, profit)
else:
l = r
r += 1
return maxPCode de force brute (spoiler gardé)
Code de force brute (spoiler gardé)
def max_profit_brute(prices):
res = 0
for i in range(len(prices)):
for j in range(i + 1, len(prices)):
profit = prices[j] - prices[i]
res = max(res, profit)
return resAlgorithm Pattern Checklist
When dealing with Sliding Window data patterns.
- Are constraints clear?
- Is there a linear or logarithmic optimization possible?
Key Revision Notes
Les propriétés standard du problème de fenêtre coulissante s’appliquent.
Questions connexes
PyRun is built and maintained by an independent solo developer. If this helped your interview prep, consider buying a coffee!
Ressources Python recommandées
Développez vos connaissances avec des didacticiels interactifs, des aide-mémoire et des comparaisons de codes associés.
Python Try/Except et gestion des erreurs
Empêchez vos scripts Python de planter. Apprenez à essayer, sauf, enfin les blocs et à déclencher correctement des exceptions personnalisées.
Comment convertir une chaîne en Int en Python
Apprenez à convertir une chaîne en entier en Python à l'aide de la fonction int(). Gérez les erreurs en toute sécurité et convertissez les nombres binaires, octaux ou hexadécimaux.
Aide-mémoire sur le formatage Python DateTime
Apprenez à analyser et formater les dates et les heures en Python à l'aide de datetime, strftime et strptime.
Décorateurs Python et modèle de conception de décorateur : les principales différences
Comparez les décorateurs Python et le modèle de conception de décorateur classique. Comprenez les différences entre l'encapsulation de fonctions au moment de la définition et la composition d'objets dynamiques d'exécution avec du code exécutable.