Najlepszy czas na kupno i sprzedaż akcji z czasem odnowienia
Szczegółowy przewodnik i implementacja Python dla problemu „Najlepszy czas na kupno i sprzedaż akcji z czasem odnowienia”.
1. Ucz się
Problem „Najlepszy czas na kupno i sprzedaż akcji z czasem odnowienia” jest kluczowym wyzwaniem w sekcji 2D DP.
Ta implementacja koncentruje się na logice średniego poziomu w Python.
W dostarczanych przez nas rozwiązaniach priorytetem jest dokładność techniczna i czytelność kodu.
2. Real-World Applications
3. Visual Intuition
Wizualizacja przepływu logicznego dla najlepszego czasu na kupno i sprzedaż akcji z czasem odnowienia.
4. Prerequisites
5. Step-by-Step Thinking
1. Understand the problem
Przeczytaj uważnie opis problemu dotyczący najlepszego czasu na kupno i sprzedaż akcji z czasem odnowienia.
2. Formulate brute force
Zaprojektuj proste rozwiązanie iteracyjne.
3. Identify inefficiency
Poszukaj zbędnych obliczeń.
4. Optimize search path
Użyj funkcji mieszania lub sortowania, aby przyspieszyć proces.
5. Final Implementation
Oczyść kod dla standardów produkcyjnych.
Oświadczenie o problemie
Dostajesz tablicę cen, gdzie ceny[i] to cena danej akcji w i-tym dniu.
Znajdź maksymalny zysk, jaki możesz osiągnąć. Możesz przeprowadzić dowolną liczbę transakcji (tj. kupić jedną i wielokrotnie sprzedać jedną akcję) z następującymi ograniczeniami:
- Po sprzedaży akcji nie można ich kupić następnego dnia (tzn. pewnego dnia jest to okres odnowienia).
Uwaga: Nie możesz angażować się w wiele transakcji jednocześnie (tj. musisz sprzedać akcje przed ponownym zakupem).
Napisz funkcję maxProfit(prices: List[int]) -> int.
- •1 <= len(prices) <= 5000
- •0 <= prices[i] <= 1000
Przykłady
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
- Puste struktury wejściowe
- Wejścia jednoelementowe
- Duże granice liczbowe
Gotowy do rozwiązania?
Open the problem in PyRun's browser-based Python editor. Your code runs fully offline — no server required.
Spostrzeżenia i odmiany wywiadu
Podział analizy złożoności
Dlaczego Czas: Directly evaluates all possibilities.
Dlaczego kosmos: Uses standard local memory.
Dlaczego Czas: Optimized paths reduce total operations.
Dlaczego kosmos: May trade memory for speed.
Zoptymalizowany kod rozwiązania w języku Python
Zoptymalizowany kod rozwiązania w języku Python
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)Kod brutalnej siły (chroniony spoilerami)
Kod brutalnej siły (chroniony spoilerami)
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
Obowiązują standardowe właściwości problemu 2D DP.
Powiązane pytania
PyRun is built and maintained by an independent solo developer. If this helped your interview prep, consider buying a coffee!
Polecane zasoby Pythona
Poszerzaj swoją wiedzę dzięki powiązanym interaktywnym samouczkom, ściągawkom i porównaniom kodów.
Obsługa prób/wyjątków i błędów w języku Python
Zapobiegaj awariom skryptów Pythona. Dowiedz się, jak blokować try, z wyjątkiem, wreszcie i jak prawidłowo zgłaszać wyjątki niestandardowe.
Jak przekonwertować ciąg na Int w Pythonie
Dowiedz się, jak przekonwertować ciąg znaków na liczbę całkowitą w Pythonie za pomocą funkcji int(). Bezpiecznie obsługuj błędy i konwertuj liczby z formatu binarnego, ósemkowego lub szesnastkowego.
Ściągawka dotycząca formatowania DateTime w języku Python
Dowiedz się, jak analizować i formatować daty i godziny w Pythonie przy użyciu funkcji datetime, strftime i strptime.
Dekoratory Pythona a wzorzec projektowy dekoratora: kluczowe różnice
Porównaj dekoratory Pythona z klasycznym wzorcem projektowym dekoratora. Zrozum różnice między zawijaniem funkcji w czasie definicji a dynamiczną kompozycją obiektów w czasie wykonywania z możliwym do uruchomienia kodem.