在Python中，可以使用scipy.special模块中的eval_hermitenorm函数来评估多维Hermite_e数列。
该函数的一般形式为：scipy.special.eval_hermitenorm(n, x)，其中n表示Hermite_e数列的阶数，x表示需要评估的点。当系数为多维时，传入的参数x应该是一个数组或者矩阵，每一行表示一个点。
例如，当系数为二维时，可以使用以下代码评估Hermite_e数列：
import numpy as np
from scipy.special import eval_hermitenorm
# 定义需要评估的点
x = np.array([[0.5, 1.0], [1.5, 2.0]])
# 评估Hermite_e数列
H = eval_hermitenorm([2, 3], x)
print(H)
该代码中，首先定义了一个二维的点数组x，其中第一行表示评估点[0.5, 1.0]，第二行表示评估点[1.5, 2.0]。然后使用eval_hermitenorm函数评估了Hermite_e数列，其中参数[2, 3]表示裂项阶数为2和3，即需要评估二维和三维的Hermite_e数列。最后输出了评估结果。
另外，当需要评估大量的点时，可以使用numpy中的广播机制来提高代码的运行效率，例如：
import numpy as np
from scipy.special import eval_hermitenorm
# 定义需要评估的点
x = np.random.randn(1000, 10)
# 评估Hermite_e数列
H = eval_hermitenorm([5, 6, 7], x)
print(H.shape)
该代码中，首先定义了一个随机生成的1000 x 10的点数组x。然后使用eval_hermitenorm函数评估了Hermite_e数列，其中参数[5, 6, 7]表示裂项阶数为5、6和7，即需要评估五维、六维和七维的Hermite_e数列。由于x和[5, 6, 7]的维度不同，因此使用了广播机制来自动扩展[5, 6, 7]的维度。最终输出了评估结果的形状，其中第一维表示评估点的数量，第二维表示裂项阶数的数量。