Meilleur moment pour acheter et vendre des actions avec un temps de recharge
Guide détaillé et implémentation de Python pour le problème « Meilleur moment pour acheter et vendre des actions avec temps de recharge ».
1. Apprendre
Le problème du « Meilleur moment pour acheter et vendre des actions avec un temps de recharge » est un défi clé dans la section DP 2D.
Cette implémentation se concentre sur la logique de niveau moyen 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
Visualisation du flux logique pour le meilleur moment pour acheter et vendre des actions avec temps de recharge.
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 avec un temps de recharge.
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 de prix où prix[i] est le prix d'une action donnée le ième jour.
Trouvez le profit maximum que vous pouvez réaliser. Vous pouvez effectuer autant de transactions que vous le souhaitez (c'est-à-dire acheter une action et vendre une action plusieurs fois) avec les restrictions suivantes :
- Après avoir vendu vos actions, vous ne pouvez pas en acheter le lendemain (c'est-à-dire avec un délai de récupération d'un jour).
Remarque : Vous ne pouvez pas effectuer plusieurs transactions simultanément (c'est-à-dire que vous devez vendre l'action avant de l'acheter à nouveau).
Écrivez une fonction maxProfit(prices: List[int]) -> int.
- •1 <= len(prices) <= 5000
- •0 <= prices[i] <= 1000
Exemples
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
- 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):
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)Code de force brute (spoiler gardé)
Code de force brute (spoiler gardé)
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
Les propriétés standard du problème DP 2D 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.