使用seaborn 下的lmplot()方法分别基于花萼和花瓣 做线性回归的可视化 （参数：data=iris, x='', y='', palette=antV, hue='Species'）

在 seaborn 中，`lmplot()` 函数非常适合进行简单的线性回归可视化，同时还能展示类别之间的差异。给定的数据集通常是一个 pandas DataFrame，比如 iris 数据集，它包含了鸢尾花的不同特征。在这个例子中，你可以使用 `lmplot()` 来基于花萼（Sepal Length and Width）和花瓣（Petal Length and Width）长度或宽度做线性回归，并根据鸢尾花的物种（Species）进行区分。

下面是使用 `lmplot()` 的基本步骤：

import seaborn as sns
import matplotlib.pyplot as plt
from sklearn import datasets

# 加载 iris 数据集
iris = datasets.load_iris()
df = pd.DataFrame(data=iris.data, columns=iris.feature_names)
df['Species'] = iris.target_names[iris.target]

# 使用 lmplot 进行可视化
sns.lmplot(
    data=df,                     # 初始数据集
    x='Sepal.Length',            # X轴特征（例如花萼长度）
    y='Petal.Length',           # Y轴特征（例如花瓣长度）
    hue='Species',              # 根据 'Species' 进行分类
    palette=antV,                # 使用特定的颜色映射，如 'antv' 或自定义颜色
    scatter_kws={'alpha': 0.5},  # 点的透明度设置
    fit_reg=True                 # 显示回归线
)

# 添加图例
plt.legend(title='Species')

# 显示图形
plt.show()