如何在Seaborn散点图中绘制x_max、x_min、y_min和y_max值？

首先处理数据集的缺失值，然后筛选出你需要的四个极值点，再在原有散点图上叠加标记。以下是完整代码：

import seaborn as sns
import pandas as pd
import matplotlib.pyplot as plt

# 加载数据并清理缺失值（避免极值计算出错）
df = sns.load_dataset("penguins").dropna(subset=["body_mass_g", "sex", "island"])

# 绘制基础散点图
sns.scatterplot(data=df, x="island", y="body_mass_g", hue="sex", s=300)

# 筛选四个极值点
# 1. 全局体重最大值点
y_max = df.loc[df["body_mass_g"].idxmax()]
# 2. 全局体重最小值点
y_min = df.loc[df["body_mass_g"].idxmin()]
# 3. 第一个岛屿（按名称排序）的体重最大值点
x_min_island = df["island"].sort_values().unique()[0]
x_min_y_max = df[df["island"] == x_min_island].loc[df[df["island"] == x_min_island]["body_mass_g"].idxmax()]
# 4. 最后一个岛屿（按名称排序）的体重最小值点
x_max_island = df["island"].sort_values().unique()[-1]
x_max_y_min = df[df["island"] == x_max_island].loc[df[df["island"] == x_max_island]["body_mass_g"].idxmin()]

# 整合极值点数据
extremes_df = pd.DataFrame([y_max, y_min, x_min_y_max, x_max_y_min])

# 叠加标记极值点——用红色五角星突出显示
sns.scatterplot(data=extremes_df, x="island", y="body_mass_g", color="#ff3333", marker="*", s=500, label="极值点")

# 调整图例和显示
plt.legend(loc="upper right")
plt.show()

自定义调整 #

如果你的x_max/x_min指的是特定岛屿（比如直接指定Biscoe或Torgersen），直接修改x_min_island和x_max_island的值即可：

x_min_island = "Biscoe"
x_max_island = "Torgersen"

如果需要标记每个岛屿的体重最大/最小值（共6个点），可以用循环遍历所有岛屿：

extremes = []
for island in df["island"].unique():
    island_df = df[df["island"] == island]
    extremes.append(island_df.loc[island_df["body_mass_g"].idxmax()])
    extremes.append(island_df.loc[island_df["body_mass_g"].idxmin()])
extremes_df = pd.DataFrame(extremes)

内容的提问来源于stack exchange，提问作者Mohit Narwani