今天的题没写出来，请会的友友们帮我补全下列代码

补充下列代码中画横线的部分缺失的代码：
L =["James", "Luxi","Lou"]
for i in range(len(L)):
print（______）
运行结果：
Hello,James
Hello,Luxi
Hello,Lou

print('Hello,' + L[i])

"Hello,"+L[i]

print('Hello,%s' % L[i])

print("Hello, " + L[i])

• 这个问题的回答你可以参考下: https://ask.csdn.net/questions/7541988
• 你也可以参考下这篇文章：梯度下降算法中的几点答疑：迭代到什么时候停止？为什么要求导？几个式子之间是什么关系？j是干什么的？
• 除此之外, 这篇博客: 搞懂三个应用概率耦合方法的经典实例中的 实例一：随机行走 部分也许能够解决你的问题, 你可以仔细阅读以下内容或跳转源博客中阅读:
  

• 著名的随机行走模型有许多实际应用，如高分子链模型去算回旋半径，其实也是因为这个模型基于对自然现象：布朗运动。现在我们就以随机行走这个模型来说明概率耦合。假设有一个粒子在棋盘上随机行走，有一面镜子，镜子中的棋子的行走完全是这个棋子的镜像。或者说完全依赖于这个真实棋子的行走。但是我们分开来观察的话就好像都是独立地在随机行走。类似于两个独立的随机行走模型，虽然他们之间是相互依赖的，但是我们只关心他们的属性，即是不是都在随机行走。

• 您还可以看一下 唐宇迪老师的深度学习模型部署与剪枝优化实例课程中的 课程简介（课程数据代码下载，需网页登录）小节, 巩固相关知识点