Não consegue ver nada de errado com o resultado, imprima vec[np.arange(4)[:, np.newaxis], np.argsort(-vec, axis=1)] e veja se ficou bom.

Este é o segundo resultado do Google para "np argsort errado".

A explicação na página de documentos não é clara (para mim). Vou adicionar minha própria explicação aqui na esperança de que ajude alguém:

x = numpy.array([1.48,1.31,0.0,0.8])
print x.argsort()

>[2 3 1 0]

Algumas pessoas podem esperar que isso dê [3, 2, 0, 1] , ou seja, o 0º elemento no array não ordenado deve ser o 3º elemento no array ordenado.

O que ele realmente faz é fornecer índices tais que x[np.argsort(x)] lhe dará uma lista ordenada, ou seja, [0.0, 0.8, 1.31, 1.48] . Dito de outra forma, [2 3 1 0] informa que o 0º elemento do array ordenado é o 2º elemento do array não ordenado.

Se você realmente deseja obter [3, 2, 0, 1] como saída, pode fazer

np.argsort(np.argsort(x))
>[3 2 0 1]

Alternativamente, se você está realmente fora da base como eu estava e só quer, digamos, os índices dos 3 maiores elementos em x :

np.argsort(x)[:-4:-1]
>[0, 1, 3]

Se você realmente deseja obter [3, 2, 0, 1] como saída, pode fazer

Fazer isso será mais rápido:

a = np.empty(len(x), np.intp)
a[np.argsort(x)] = np.arange(len(x))

9880 sugere adicionar isso ao numpy como np.invert_permutation(np.argsort(x))

@rossbar , @bjnath : Talvez valha a pena extrair coisas do comentário do @ghost acima e colocá-las nos documentos? Adicionei mais links cruzados para mostrar mais exemplos de confusão.