文章目录
- 题目
-
- 自己的想法
-
- 算法实现
- 执行结果
- 复杂度分析
- 贪心法
-
- 执行结果
- 复杂度分析
- 一行代码
-
- 执行结果
- 小结
题目
给定一个数组，它的第 i 个元素是一支给定股票第 i 天的价格。
设计一个算法来计算你所能获取的最大利润。你可以尽可能地完成更多的交易（多次买卖一支股票）。
注意：你不能同时参与多笔交易（你必须在再次购买前出售掉之前的股票）。
示例1 :
输入: [7,1,5,3,6,4]
输出: 7
解释: 在第 2 天（股票价格 = 1）的时候买入，在第 3 天（股票价格 = 5）的时候卖出, 这笔交易所能获得利润 = 5-1 = 4 。
随后，在第 4 天（股票价格 = 3）的时候买入，在第 5 天（股票价格 = 6）的时候卖出, 这笔交易所能获得利润 = 6-3 = 3 。
示例2 :
输入: [1,2,3,4,5]
输出: 4
解释: 在第 1 天（股票价格 = 1）的时候买入，在第 5 天 （股票价格 = 5）的时候卖出, 这笔交易所能获得利润 = 5-1 = 4 。
注意你不能在第 1 天和第 2 天接连购买股票，之后再将它们卖出。
因为这样属于同时参与了多笔交易，你必须在再次购买前出售掉之前的股票。
自己的想法
算法实现
class Solution:
def maxProfit(self, prices: List[int]) -> int:
if len(prices) <= 1:
return 0
profit = 0
flag = 0
i = 0
while i != len(prices) - 1:
if not flag:
if prices[i] < prices[i + 1]:
buy = prices[i]
flag = 1
else:
i += 1
else:
if prices[i] > prices[i + 1]:
profit += prices[i] - buy
flag = 0
else:
i += 1
if flag:
profit += prices[i] - buy
return profit
执行结果
执行结果 : 通过
执行用时 : 40 ms, 在所有 Python3 提交中击败了96.48%的用户
内存消耗 : 14.3 MB, 在所有 Python3 提交中击败了28.54%的用户
复杂度分析
-
时间复杂度：O(n)，
只遍历了包含有 n 个元素的列表一次。
- 空间复杂度：O(1)
贪心法
class Solution:
def maxProfit(self, prices: List[int]) -> int:
profit = 0
for i in range(1, len(prices)):
tmp = prices[i] - prices[i - 1]
if tmp > 0:
profit += tmp
return profit
执行结果
复杂度分析
-
时间复杂度：O(n)
我们只遍历了包含有 n 个元素的列表一次。
- 空间复杂度：O(1)
一行代码
class Solution:
def maxProfit(self, prices: List[int]) -> int:
return sum(b - a for a, b in zip(prices, prices[1:]) if b > a)
执行结果
小结
由于之前用别的语言做过该题，而且印象比较深刻，所以直接按思路来写了，由于我们相当于提前预知了股票下一天的跌涨，所以只要第一天价格高于第二天就买，股票一跌就卖。
看了官方的题解，思路大同小异，但是算法却更加短小精悍！！！为什么同一种语言差距这么大，看来Python的修行之路还任重道远啊！（而且还看到一行的代码，牛批！）