揭秘股票交易秘诀：何时是最佳买入和卖出时机？

在瞬息万变的股票市场中，投资者总是在寻求最佳的交易时机，力争以最低的成本买入，以最高的收益卖出。然而，市场行情变幻莫测，想要精准把握买卖时机并非易事。

LeetCode 第 309 题《割冷冻韭菜的最佳时机》为我们提供了一个经典的场景：假设有 n 天的股票价格列表，你可以在任意一天买入股票，并在任意一天卖出股票，只允许进行一次交易。你的目标是最大化你的利润。

乍一看，这个问题似乎很难解决，因为我们不知道股票价格将在未来如何变化。然而，我们可以利用动态规划算法来巧妙地解决这个问题。

动态规划是一种自底向上的求解方式，它将问题分解成较小的子问题，并逐层求解。对于本题，我们可以将股票价格列表分解成更小的子列表，并分别计算每个子列表的最大利润。

具体来说，我们可以使用一个数组 dp 来存储每个子列表的最大利润。其中，dp[i] 表示股票价格列表的前 i 天的最大利润。

我们首先计算 dp[1] 的值。由于我们只允许进行一次交易，因此 dp[1] 等于股票价格列表的第 1 天和第 2 天之间的差值（如果为负，则为 0）。

接下来，我们可以使用动态规划公式来计算 dp[i] 的值：

dp[i] = max(dp[i-1], prices[i] - minPrice)

其中，prices[i] 表示股票价格列表的第 i 天的股票价格，minPrice 表示股票价格列表的前 i 天的最低股票价格。

我们可以使用一个变量 minPrice 来记录股票价格列表的前 i 天的最低股票价格。每当我们计算 dp[i] 的值时，我们都会更新 minPrice 的值，使其等于股票价格列表的前 i 天的最低股票价格。

通过这种方式，我们可以逐层计算出 dp[i] 的值，直到计算出 dp[n] 的值。此时，dp[n] 就是股票价格列表的最大利润。

最后，我们将给出时间复杂度O(n)和空间复杂度O(1)的Python代码。

def maxProfit(prices):
  """
  :type prices: List[int]
  :rtype: int
  """
  if not prices or len(prices) == 0:
    return 0

  minPrice = prices[0]
  maxProfit = 0

  for price in prices:
    if price < minPrice:
      minPrice = price
    elif price - minPrice > maxProfit:
      maxProfit = price - minPrice

  return maxProfit


# 测试用例
prices = [7, 1, 5, 3, 6, 4]
print(maxProfit(prices))  # 输出：5

以上就是 LeetCode 第 309 题《割冷冻韭菜的最佳时机》的解题思路和代码实现。希望对您有所帮助！