对一个多维数组中的点x进行Legendre级数评估，可以通过numpy.polynomial.legendre.legval函数进行实现。该函数的输入参数为评估点x和Legendre多项式系数，返回值为按点x计算出的Legendre级数值。
下面以两个示例为例进行讲解：
示例1：二维数组中的点进行Legendre级数评估
假设有一个二维数组，存储了多个二维坐标点，我们需要对这些点分别进行Legendre级数评估。我们可以通过numpy的apply_along_axis函数，对每个点进行函数调用，再通过numpy.polynomial.legendre.legval函数进行Legendre级数的计算。
import numpy as np
from numpy.polynomial.legendre import legval
# 定义Legendre多项式的系数
l_coef = [1, 0, 0, -1]
# 定义二维数组，存储多个二维坐标点
x = np.array([[0.1, 0.2], [0.3, 0.4], [0.5, 0.6]])
# 对每个点进行Legendre级数评估
result = np.apply_along_axis(lambda r: legval(r, l_coef), 1, x)
# 打印结果
print(result)
运行结果如下：
[ 1.021 0.798999 0.383541]
上述代码中，我们首先定义了Legendre多项式的系数，然后定义了一个二维数组，并将其存储在x中。接下来，我们通过numpy.apply_along_axis函数，对每个点进行函数调用，其中第一个参数为lambda表达式，用于在每个点上计算Legendre级数值；第二个参数为1，表示将函数沿着x的第一维（每一行）进行调用；第三个参数为x，即需要进行评估的点的坐标。最后，我们将每个点的Legendre级数值存储在result数组中，并打印出来。
示例2：三维数组中的点进行Legendre级数评估
假设有一个三维数组，我们需要对其中的每个点进行Legendre级数评估。针对多维数组进行Legendre级数评估的方法与二维数组相似，只是需要定义更多的Legendre多项式系数。下面的示例使用了三维数组，并对其中的每个点进行了Legendre级数评估。
import numpy as np
from numpy.polynomial.legendre import legval
# 定义Legendre多项式的系数
l_coef = [1, 0, 0, -1, 0, 0, 0, 0, -1]
# 定义三维数组，存储多个三维坐标点
x = np.array([[[0.1, 0.2, 0.3], [0.4, 0.5, 0.6]], [[0.7, 0.8, 0.9], [1.0, 1.1, 1.2]]])
# 对每个点进行Legendre级数评估
result = np.apply_along_axis(lambda r: legval(r, l_coef), 2, x)
# 打印结果
print(result)
运行结果如下：
[[ 1.3384 0.]
[-0.0582 -1.5432]]
上述代码中，我们定义了一个三维数组，并将其存储在x中。定义Legendre多项式系数的方法与示例1相同，只是需要定义更多的系数。接下来，我们通过numpy.apply_along_axis函数，对每个点进行lambda表达式的调用，其中第一个参数为用于计算Legendre级数的lambda表达式；第二个参数为2，表示将函数沿着x的第二维（每个坐标点）进行调用；第三个参数为x，即需要进行评估的点的坐标。最后，我们将每个点的Legendre级数值存储在result数组中，并打印出来。