绘制子图触发TypeError：Timestamp与float无法执行减法运算

错误原因 #

触发TypeError的核心问题是：你传给norm.pdf的是完整的DataFrame（包含Timestamp类型列），但norm.pdf仅接受数值型数据。当函数尝试用DataFrame里的Timestamp值和均值（float类型）做减法运算时，就会出现类型不兼容的错误。

另外，直方图默认是计数分布，而正态分布PDF是密度分布，两者纵轴尺度不匹配，需要统一为密度尺度才能让曲线和直方图对齐。

修正步骤与完整代码 #

1. 提取排序后的数值列

将排序操作限定在%Returns列，只保留数值型数据，而非整个DataFrame：

# 修正：仅提取并排序%Returns列
s1 = Read_FDX['%Returns'].sort_values()
s2 = Read_PAG['%Returns'].sort_values()
s3 = Read_R['%Returns'].sort_values()
s4 = Read_UPS['%Returns'].sort_values()

2. 绘制密度直方图

给hist函数添加density=True参数，让直方图纵轴表示概率密度，和正态分布PDF的尺度匹配：

fig , axes = plt.subplots(2, 2, figsize = (15,8))

# 绘制密度直方图（纵轴为概率密度）
axes[0, 0].hist(Read_FDX['%Returns'], bins=100, color='red', density=True)
axes[0, 1].hist(Read_PAG['%Returns'], bins=100, color='blue', density=True)
axes[1, 0].hist(Read_R['%Returns'], bins=100, color='green', density=True)
axes[1, 1].hist(Read_UPS['%Returns'], bins=100, color='black', density=True)

3. 绘制正态分布曲线

用提取的数值序列计算PDF并绘制曲线：

from scipy.stats import norm

# 叠加正态分布拟合曲线
axes[0, 0].plot(s1, norm.pdf(s1, mean1, std1), color='darkred', linewidth=2)
axes[0, 1].plot(s2, norm.pdf(s2, mean2, std2), color='darkblue', linewidth=2)
axes[1, 0].plot(s3, norm.pdf(s3, mean3, std3), color='darkgreen', linewidth=2)
axes[1, 1].plot(s4, norm.pdf(s4, mean4, std4), color='gray', linewidth=2)

# 可选：添加标题、优化布局
axes[0,0].set_title('FDX Returns with Normal Fit')
axes[0,1].set_title('PAG Returns with Normal Fit')
axes[1,0].set_title('R Returns with Normal Fit')
axes[1,1].set_title('UPS Returns with Normal Fit')
plt.tight_layout()
plt.show()

可选优化：更平滑的拟合曲线 #

如果想要曲线更平滑，可以用numpy.linspace生成覆盖数据范围的密集x值，替代原始排序数据：

import numpy as np

# 以FDX为例，生成1000个均匀分布的x值
x1 = np.linspace(s1.min(), s1.max(), 1000)
axes[0,0].plot(x1, norm.pdf(x1, mean1, std1), color='darkred', linewidth=2)

内容的提问来源于stack exchange，提问作者Seyed Hossein Fatemi