문제

prices는 배열이며, 각 요소는 매일의 주식 가격입니다.
만약 한 번만 거래할 수 있다면 = 사고 팔 수 있다면, 제일 큰 이익은 얼마일까요?

• 예를 들어,

Input: [7,1,5,3,6,4]
Output: 5

2일(가격=1)에 샀다가 5일(가격=6)에 사는 것이 6-1이라 제일 큰 수익
7-1=6 은 안 되는거 아시죠? 먼저 사야 팔 수 있습니다.

Input: [7,6,4,3,1]
Output: 0

여기서는 매일 가격이 낮아지기 때문에 거래가 없습니다. 그래서 0

갈수록 수준이 높아지는 코드카타!
계속해서 이어지는,, 입체적으로 생각해야 하는 문제들의 연속에 맥없이 쓰러지는 것 같다

물론 프로젝트 때문에 아예 코드카타를 풀 엄두도 여유도 없긴 하지만..

prices배열을 for loop으로 돌리면서 각 경우마다 어떤 수익이 날지 확인해? 이게 말이 돼..?
그럼.. 경우의 수가.... 36개야..? 맞나..?

model solution

def maxProfit(prices): 
  max_profit, min_price = 0, float('inf')
  
  for price in prices:
      min_price = min(min_price, price)
      profit = price - min_price
      max_profit = max(max_profit, profit)
      
  return max_profit

자 역시나 오늘도 float('inf')가 무엇인지 모르는 나..!!!
처음엔 int를 오타낸 줄 알았는데 저게 진짜 맞는 코드였다. (충격)

역시 세상은 넓고 코드는 많아

float('inf')

It acts as an unbounded upper value for comparison. This is useful for finding lowest values for something.
for example, calculating path route costs when traversing trees.

한마디로 지금과 같은 문제 상황에서, 가장 값이 적게 나오는 경우를 찾을 수 있는 함수!
👉🏻 What is the point of float('inf')?

Finding the "cheapest" path in a list of options: (우리 문제랑 비슷하다)

>>> lowest_path_cost = float('inf')
>>> # pretend that these were calculated using some worthwhile algorithm
>>> path_costs = [1, 100, 2000000000000, 50]
>>> for path in path_costs:
...   if path < lowest_path_cost:
...     lowest_path_cost = path
...
>>> lowest_path_cost
1

It acts as an unbounded upper value for comparison. This is useful for finding lowest values for something. for example, calculating path route costs when traversing trees.

if you didn't have float('Inf') available to you, what value would you use for the initial lowest_path_cost? Would 9999999 be enough -- float('Inf') removes this guesswork.