假设你有来从高速公路数字流称重站，其测量送货卡车的质量，高速公路上的驱动器。规模会自动将其测量数据库每5分钟，你在一天结束时分析。由于卡车有时停留在刻度的时间超过五分钟，有时规模将多个连续记录的同一辆卡车，被称为口吃。
例如，在列表中[200;271;305;305;180]时，305项是口吃。
相比之下，列表[305;200;271;305;180]有没有口吃。我们认为305的两个条目是唯一的测量，因为它们是由一个或多个事件分开。
拿这个列表从某一天称重站的测量，编写一个递归函数来destutter列表。有多少独特的称重事件是有这一天？
假设
考虑下面的函数给定一个号码和一个列表，返回真的如果这个数字在列表中，并错误的如果不。
1 2 3 4 |
|
使用上面的函数写另一个函数，它给一个列表返回其所有的重复删除列表。
对于给定的名单范例 ，退货 。会有什么后下面给出的列表通过上述功能的结果列表的总和：
你运行一个网站，销售的产品以极低的折扣，一次一个，送完为止。最近，您的网站一直在试验不同的各种产品多于往年，而且销量也受到了冲击，你需要作出一些改变，以提高销售回他们原来的水平。幸运的是，你继续你的客户的购物习惯的一些信息。
你问你的数据团队找到你所有的“超级购物”的购物偏好，那些在把你的交易至少挑剔的账户。客户记录存储在形式
1 |
|
这姓名场显然是客户的姓名，acct_type表明消费顾客的程度在最近的过去有过。如果acct_type是“d”到“Z”，这表明他们适合偶尔的，挑剔的购物者的形象大写字母。如果acct_type从“A”到“C”大写字母，不过，这表示他们倾向于与他们在网站上的钱是松散的，并且正是如此冠以“精英顾客”。
最后，pref_group地图它们放到您之前在用户群中确定的各产品的配置文件之一。例如，如果pref_group5，这可能意味着他们更倾向于购买冬季时间的项目，如滑雪板，而7可能表示打篮球，在严格的兴趣。
写一个模式匹配程序来收获pref_group在所有的精英消费者的你数据库。
您的精英消费者，什么是最流行的pref_group还是