也许您要查找的是svgutils

import svgutils.compose as sc
from IPython.display import SVG # /!\ note the 'SVG' function also in svgutils.compose
import numpy as np

# drawing a random figure on top of your SVG
fig, ax = plt.subplots(1, figsize=(4,4))
ax.plot(np.sin(np.linspace(0,2.*np.pi)), np.cos(np.linspace(0,2.*np.pi)), 'k--', lw=2.)
ax.plot(np.random.randn(20)*.3, np.random.randn(20)*.3, 'ro', label='random sampling')
ax.legend()
ax2 = plt.axes([.2, .2, .2, .2])
ax2.bar([0,1], [70,30])
plt.xticks([0.5,1.5], ['water  ', ' ground'])
plt.yticks([0,50])
plt.title('ratio (%)')
fig.savefig('cover.svg', transparent=True)
# here starts the assembling using svgutils 
sc.Figure("8cm", "8cm", 
    sc.Panel(sc.SVG("./Worldmap_northern.svg").scale(0.405).move(36,29)),
    sc.Panel(sc.SVG("cover.svg"))
    ).save("compose.svg")
SVG('compose.svg')

输出：

到2021年来到这里的人。
我建议查看一下cairosvg包
（conda install -c conda-forge cairosvg或pip3 install cairosvg）
https://cairosvg.org/

import cairosvg
import matplotlib.pyplot as plt
from PIL import Image
from io import BytesIO

img_png = cairosvg.svg2png("... the content of the svg file ...")
img = Image.open(BytesIO(img_png))
plt.imshow(img)

Yann Zerlaut给出的答案有利有弊：

• 优点：它适用于任意复杂度的任何SVG图像，因此非常通用。
• 缺点：SVG图形不是由matplotlib后端处理的，而是由matplotlib图像覆盖SVG图像。

这会导致伪像。例如，SVG图像中的线宽与Matplotlib中的线宽不同。在研究这一点的同时，我找到了Matplotlib中没有SVG支持的一些答案。
为了寻找更好的解决方案，我发现了一些值得在这里列出的解决方案，它们也有优点和缺点。

将SVG路径转换为matplotlib路径的简单解析器

https://matplotlib.org/stable/gallery/showcase/firefox.html#sphx-glr-gallery-showcase-firefox-py

• Pro：使用matplotlib艺术家绘制SVG路径
• Con：只适用于简单的SVG，除非您扩展了解析器

臭鼬

https://github.com/whitead/skunk

• 优点：基本上是Yann Zerlaut在类固醇和库中的解决方案。您可以将SVG绘制到一个由Matplotlib处理的框中，它允许高级布局。
• 缺点：SVG图像不是由matplotlib本地处理的，这只是一个将一个矢量图形蒙太奇到另一个矢量图形中的聪明方法。

结论

根据to the discussion here，在matplotlib中没有对导入SVG的本地支持，因为编写一个完全兼容的解析器很困难，而且matplotlib开发人员可能也不想引入外部解析库。
然而，编写一个用于路径的原语解析器实际上非常容易，正如您在matplotlib演示中所看到的，对于OP这样的简单用例，这可能就足够了。
对于复杂的情况，skunk很好地自动化了SVG图像的合成。

SVG（可缩放矢量图形）是一种矢量格式，这意味着图像不是由像素组成的，而是由可以任意缩放的相对路径组成的。
NumPy/Matplotlib，作为数值软件，只能处理像素图形，不能处理svg。我建议首先将svg文件转换为png文件，方法是在Inkscape（免费）等软件中打开并保存它。然后，在Python中打开导出的png。
或者，使用wikimedia提供的png的the picture's information page (click on the download button to the right of the picture)文件版本。
如果你真的认为你需要矢量形式，那么，没有办法做到这一点。你总是可以手动地将matplotlib图形叠加到图形上（使用matplotlib Artist在绘图画布上绘图），或者通过一些pycairo魔法，并保存它。但是Matplotlib不能直接处理svg内容。