在Python中，数组的轴个数（rank）通常指的是数组的维度数量。对于NumPy数组，轴的个数可以通过`ndarray.ndim`属性来获取。以下是一个示例：
```python
import numpy as np
创建一个二维数组
B = np.array（[[1, 2, 3], [4, 5, 6], [7, 8, 9]]）
获取数组的轴个数（rank）
rank = B.ndim
print（"数组的轴个数（rank）为：", rank）
```
输出结果为：
```
数组的轴个数（rank）为： 2
```
对于一维数组，`ndarray.ndim`的值将是1，而对于零维数组（即标量），`ndarray.ndim`的值将是0。
如果你需要计算矩阵的秩（rank），可以使用NumPy的`linalg.matrix_rank`方法，如下所示：
```python
import numpy as np
from scipy.linalg import matrix_rank
创建一个矩阵
A = np.array（[[1, 2, 3], [4, 5, 6], [7, 8, 9]]）
计算矩阵的秩
matrix_rank = matrix_rank（A）
print（"矩阵的秩为：", matrix_rank）
```
输出结果为：
```
矩阵的秩为： 2
```
请注意，这里的秩是指矩阵的线性无关行或列的最大数量，与NumPy数组中轴的个数（rank）概念不同。