如何将GeoPandas多边形质心坐标映射到Matplotlib坐标？

直接手动归一化地理坐标到Matplotlib的图坐标之所以会出错，是因为没考虑到Matplotlib的轴变换（比如图例占用空间、地图投影的非线性映射）。正确的做法是利用Matplotlib内置的坐标转换工具，一步完成地理坐标到图归一化坐标的映射。

完整实现代码 #

import geopandas as gpd
import numpy as np
import matplotlib.pyplot as plt

# 读取 shp 文件并准备数据
map_gdf = gpd.read_file("my_shapefile.shp")
map_gdf["values"] = np.random.rand(len(map_gdf))

# 创建画布和地图轴
fig, ax = plt.subplots(1, 1, figsize=(15, 15))
map_gdf.plot(column="values", ax=ax, legend=True, cmap="Reds")

# 计算多边形质心
map_gdf["county_centers"] = map_gdf.geometry.centroid

# 取第一个质心作为子图位置示例
centroid = map_gdf["county_centers"][0]

# 关键：将地理坐标转换为图的归一化坐标（0-1范围）
# 1. 先把地理坐标转成画布上的显示坐标
display_coords = ax.transData.transform((centroid.x, centroid.y))
# 2. 再把显示坐标转成图的归一化坐标（相对于整个画布）
fig_coords = fig.transFigure.inverted().transform(display_coords)

# 用转换后的坐标添加子图，偏移一半宽度让子图中心对齐质心
subax = fig.add_axes([fig_coords[0] - 0.05,
                      fig_coords[1] - 0.05,
                      0.1,
                      0.1])

subax.pie([0.2, 0.8], labels=["A", "B"])
plt.show()

关键逻辑说明 #

• ax.transData.transform()：把地理坐标系的点转换为画布显示坐标系（以像素为单位，原点是画布左下角）
• fig.transFigure.inverted().transform()：把显示坐标系的点转换为画布归一化坐标系（范围0-1，(0,0)对应画布左下角，(1,1)对应右上角）
• 子图位置减去0.05（子图宽度/高度的一半），是为了让子图中心和质心对齐，避免子图左下角和质心重合的偏移问题

手动归一化失效的原因 #

你之前的手动计算只用到了数据的total_bounds，但忽略了这些关键因素：

• 地图轴会自动添加边距，实际显示范围和数据原生范围不一致
• 图例、坐标轴标签等元素会占用画布空间，导致地图轴并非铺满整个画布
• 带投影的地理数据，坐标的线性归一化会和实际显示位置产生较大偏差

内容的提问来源于stack exchange，提问作者derM