好吧，这个问题是老问题，但我有一个不同的答案，可能会有人感兴趣。。。在

我一直在研究同一个问题。GitHub（https://github.com/ageron/handson-ml.git）上提供的代码可以满足您的需要（请参见02“端到端机器学习”）_项目.ipynb). 在

但是，该代码使用加利福尼亚地图作为图像，并在其顶部绘制点。另一种方法是建立一个真实的地图，并在地图上标出点，而不必阅读ma图像。为此，我使用了下面的代码。您将需要install cartopy，如果您还需要郡线，则必须使用here中的说明绘制它们。在

最后，生成的图像是：

下面是我使用的代码：# Trying to use a real map

import cartopy.crs as ccrs

import cartopy.feature as cfeature

plt.figure(figsize=(10,7))

# Creates the map

ca_map = plt.axes(projection=ccrs.PlateCarree())

ca_map.add_feature(cfeature.LAND)

ca_map.add_feature(cfeature.OCEAN)

ca_map.add_feature(cfeature.COASTLINE)

ca_map.add_feature(cfeature.BORDERS, linestyle=':')

ca_map.add_feature(cfeature.LAKES, alpha=0.5)

ca_map.add_feature(cfeature.RIVERS)

ca_map.add_feature(cfeature.STATES.with_scale('10m'))

# To add county lines

import cartopy.io.shapereader as shpreader

reader = shpreader.Reader('datasets/housing/countyl010g.shp')

counties = list(reader.geometries())

COUNTIES = cfeature.ShapelyFeature(counties, ccrs.PlateCarree())

ca_map.add_feature(COUNTIES, facecolor='none', edgecolor='gray')

ca_map.xaxis.set_visible(True)

ca_map.yaxis.set_visible(True)

# Plots the data onto map

plt.scatter(housing['longitude'], housing['latitude'], alpha=0.4,

s=housing["population"]/100, label="population",

c=housing['median_house_value'],

cmap=plt.get_cmap("jet"),

transform=ccrs.PlateCarree())

# Colorbar

prices = housing["median_house_value"]

tick_values = np.linspace(prices.min(), prices.max(), 11)

cbar = plt.colorbar()

cbar.ax.set_yticklabels(["$%dk"%(round(v/1000)) for v in tick_values], fontsize=14)

cbar.set_label('Median House Value', fontsize=16)

# Plot labels

plt.ylabel("Latitude", fontsize=14)

plt.xlabel("Longitude", fontsize=14)

plt.legend()

save_fig("housing_prices_scatterplot_cartopy")

这里的优势是使用真实的地图，现在这个代码可以很容易地在世界上任何你想使用的地方更改。玩得高兴！在