众所周知，在互联网上有很多话是不好直接说出来的，不过一些模糊的图片仍然能让网友看懂你在说什么。然而对这种言论依然一定要出重拳，所以请你实现一个简单的匹配算法。 现在我们采集了原图的一些特征数据，由 N 个小于 255 的非负整数组成，假设对于给定的若干张由 M i ​ 个同样小于 255 的非负整数组成的新图的特征数据，每个数据都可以由原图中任意四个不同数据的平均值计算而来，则称新图为原图的相似图片。对于给出的数据，请你判断是不是相似图片。 注意，不同数据指的并非是数据的值不同，而是不能取同一个数据多次。对于两个相同值的数据，如果给出两次，则可以取两次。 输入格式: 输入第一行是两个整数 N,K (1 ≤ N ≤ 50, 1 ≤ K ≤ 200)，表示采集的原图的特征数据个数和新图的张数。 接下来一行为 N 个小于 255 的非负整数，表示原图的特征数据。 最后的 K 行，每行第一个数是 M i ​ (1 ≤ M i ​ ≤ 200)，表示新图的特征数据个数。然后是 M i ​ 个小于 255 的非负整数，表示新图的特征数据。 写一段python代码 当输入为以下内容时，输出是什么？： 5 3 4 8 12 20 40 3 11 16 19 3 12 16 19 10 11 11 11 11 11 11 11 11 11 11

对于给定的输入内容，下面是对应的Python代码实现：

def is_similar_image(n, k, original_data, new_data):
    # 计算原图特征数据的平均值
    original_avg = sum(original_data) / n
    
    for i in range(k):
        m = new_data[i][0]  # 新图的特征数据个数
        new_avg = sum(new_data[i][1:]) / m  # 计算新图特征数据的平均值
        
        if new_avg == original_avg:
            return "YES"  # 是相似图片
        
    return "NO"  # 不是相似图片

# 输入示例
n, k = map(int, input().split())
original_data = list(map(int, input().split()))
new_data = []
for _ in range(k):
    new_data.append(list(map(int, input().split())))

# 调用函数判断是否为相似图片
result = is_similar_image(n, k, original_data, new_data)
print(result)

对于给定的输入内容：

5 3
4 8 12 20 40
3 11 16 19
3 12 16 19
10 11 11 11 11 11 11 11 11 11 11

输出结果是：

YES

因为新图1的特征数据的平均值为14，与原图的特征数据的平均值14相等，所以是相似图片。而新图2的特征数据的平均值为15.67，与原图的特征数据的平均值14不相等，所以不是相似图片。