Il momento migliore per acquistare e vendere azioni con cooldown
Guida dettagliata e implementazione Python per il problema "Momento migliore per acquistare e vendere azioni con tempo di recupero".
1. Impara
Il problema del "momento migliore per acquistare e vendere azioni con tempo di recupero" è una sfida chiave nella sezione DP 2D.
Questa implementazione si concentra sulla logica di livello medio in Python.
Diamo priorità all'accuratezza tecnica e alla leggibilità del codice nelle soluzioni fornite.
2. Real-World Applications
3. Visual Intuition
Visualizzazione del flusso logico per il momento migliore per acquistare e vendere azioni con cooldown.
4. Prerequisites
5. Step-by-Step Thinking
1. Understand the problem
Leggi attentamente la dichiarazione del problema relativa al momento migliore per acquistare e vendere azioni con cooldown.
2. Formulate brute force
Elaborare una semplice soluzione iterativa.
3. Identify inefficiency
Cerca calcoli ridondanti.
4. Optimize search path
Utilizza l'hashing o l'ordinamento per accelerare il processo.
5. Final Implementation
Ripulire il codice per gli standard di produzione.
Dichiarazione del problema
Ti viene fornito un array di prezzi in cui prezzi[i] è il prezzo di un determinato titolo nell'i-esimo giorno.
Trova il profitto massimo che puoi ottenere. Puoi completare tutte le transazioni che desideri (ad esempio, acquistarne una e vendere una quota del titolo più volte) con le seguenti restrizioni:
- Dopo aver venduto le tue azioni, non puoi acquistarle il giorno successivo (ovvero, un giorno di recupero).
Nota: non è possibile effettuare più transazioni contemporaneamente (ovvero, è necessario vendere le azioni prima di acquistarle nuovamente).
Scrivi una funzione maxProfit(prices: List[int]) -> int.
- •1 <= len(prices) <= 5000
- •0 <= prices[i] <= 1000
Esempi
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
- Strutture di input vuote
- Ingressi a elemento singolo
- Grandi limiti numerici
Pronto a risolvere?
Open the problem in PyRun's browser-based Python editor. Your code runs fully offline — no server required.
Approfondimenti e variazioni dell'intervista
Scomposizione dell'analisi della complessità
Perché il tempo: Directly evaluates all possibilities.
Perché lo spazio: Uses standard local memory.
Perché il tempo: Optimized paths reduce total operations.
Perché lo spazio: May trade memory for speed.
Codice Python della soluzione ottimizzata
Codice Python della soluzione ottimizzata
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)Codice forza bruta (protetto da spoiler)
Codice forza bruta (protetto da spoiler)
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
Si applicano le proprietà del problema DP 2D standard.
Domande correlate
PyRun is built and maintained by an independent solo developer. If this helped your interview prep, consider buying a coffee!
Risorse Python consigliate
Espandi le tue conoscenze con tutorial interattivi, foglietti illustrativi e confronti di codici correlati.
Prova/eccetto Python e gestione degli errori
Evita che i tuoi script Python si blocchino. Scopri i blocchi try, tranne, infine e come generare correttamente le eccezioni personalizzate.
Come convertire String in Int in Python
Scopri come convertire una stringa in un numero intero in Python utilizzando la funzione int(). Gestisci gli errori in modo sicuro e converti i numeri da binario, ottale o esadecimale.
Foglio informativo sulla formattazione di Python DateTime
Scopri come analizzare e formattare date e ore in Python utilizzando datetime, strftime e strptime.
Decoratori Python e modello di progettazione del decoratore: le differenze chiave
Confronta i decoratori Python e il modello di progettazione del decoratore classico. Comprendere le differenze tra il wrapper di funzioni in fase di definizione e la composizione di oggetti dinamici di runtime con codice eseguibile.