有 n 张卡牌。第 i 张卡牌的位置是 position[i] 。 我们需要把所有卡牌移到同一个位置。在一步中，我们可以将第 i 张卡牌的位置从 position[i] 改变为: position[i] + 2 或 position[i] - 2 ，此时的代价 cost = 0 position[i] + 1 或 position[i] - 1 ，此时的代价 cost = 1 现给出所有卡牌的位置，请你编程python输出：将所有卡牌移动到同一位置上所需要的最小代价 。

这是一个计算最小代价的问题，可以使用动态规划来解决。

首先，需要确定卡牌位置的范围，即最小位置和最大位置。然后创建一个数组dp，长度为最大位置加1，用于存储每个位置的最小代价。

接下来，遍历卡牌的位置，对于每个位置i，更新dp[i]为dp[i-1]+cost或dp[i-2]+cost的较小值。这里的cost是将位置i移动到同一位置所需的代价，即1或0。

最后，返回dp数组中的最后一个元素即可得到最小代价。

下面是用Python编写的实现代码：

def minimumCost(position):
    # 确定卡牌位置的范围
    min_pos = min(position)
    max_pos = max(position)

    # 创建dp数组
    dp = [0] * (max_pos + 1)

    for i in range(min_pos, max_pos + 1):
        if i in position:
            if i - 1 in position and i - 2 in position:
                dp[i] = min(dp[i - 1], dp[i - 2]) + 1
            else:
                dp[i] = min(dp[i - 1], dp[i - 2])
    
    return dp[max_pos]

# 测试
position = [1, 2, 3, 4, 5]
print(minimumCost(position))  # 输出：2

在上述代码中，我们首先找出卡牌位置的最小值和最大值，然后创建了一个长度为最大位置加1的dp数组。接着，使用一个循环遍历卡牌位置，对于每个位置i，根据题目条件更新dp[i]的值。最后，返回dp数组中的最后一个元素，即为所需的最小代价。

请注意，这只是一个实现示例，具体应用场景中可能还需要进行一些边界条件的判断。