Na czym to polega w sklepie
Funkcja np.clip przycina każdy element tablicy do podanego zakresu [min, max]. W pipeline e-commerce to szybka sanity check przed wykresami - ujemne revenue z korekt zwrotów i absurdalne kwoty z błędu API nie psują sum.
Przykład ze sklepu internetowego
Po synchronizacji zamówień masz wartości koszyka z błędem importu - ujemne i powyżej 50 000 PLN. Przed liczeniem AOV przycinasz do realistycznego zakresu sklepu D2C:
import numpy as np
cart_values = np.array([-15.0, 89.0, 156.0, 312.0, 99999.0, 245.0])
clean = np.clip(cart_values, 0, 10000)
aov = clean.mean()
# -15 → 0, 99999 → 10000 - outliery nie zabijają średniejCo zrobić po stronie biznesu
- Clip discount_pct do 0–100 przed analizą wpływu promocji na marżę.
- Ograniczenie bid_adjustment z feedu produktowego do akceptowalnego zakresu.
- Pułapka: clip maskuje błędy źródłowe - loguj ile wartości zostało obciętych, nie tylko czyść po cichu.
W skrócie
np.clip to twardy limit, nie statystyczna filtracja. Do outlierów statystycznych lepszy percentyl; clip stosuj gdy znasz twarde granice biznesowe (0–max cena katalogowa).