在Python中，对于具有多维系数的Legendre数列进行微分的过程分为以下几步：

1.导入numpy库和sympy库

在Python中，我们需要导入numpy库和sympy库，前者用于科学计算和数组操作，后者用于符号计算。

import numpy as np
import sympy as sp

2.定义Legendre函数

我们可以使用如下代码定义一组具有多维系数的Legendre数列：

def legendre_function(n, m, x):
    if m == 0:
        return sp.legendre(n)(x)
    elif m > 0:
        return sp.diff(legendre_function(n, m-1, x), x)
    else:
        return 0

其中，n为Legendre多项式的阶数，m为需要微分的次数，x为自变量。

3.计算多维系数的Legendre数列

我们可以使用如下代码计算具有多维系数的Legendre数列：

def legendre_array(n_max, m_max, x_array):
    legendre_array = []
    for n in range(n_max+1):
        row = []
        for m in range(m_max+1):
            row.append(legendre_function(n, m, x_array))
        legendre_array.append(row)
    return np.array(legendre_array)

其中，n_max和m_max为需要计算的Legendre多项式的最高阶数和微分次数，x_array为自变量数组。

4.示例说明

我们可以使用一组简单的示例来说明具体实现过程：

示例一：计算一维Legendre多项式

假设我们需要计算一维Legendre多项式P5(x)在x=0.5处的值：

x = sp.Symbol('x')
legendre_function(5, 0, x).subs({x:0.5}).evalf()
# output: 0.3125

示例二：计算二维系数的Legendre数列

假设我们需要计算二维系数的Legendre数列，其中n_max=3，m_max=1，x_array为[0.1, 0.2, 0.3]：

x_array = np.array([0.1, 0.2, 0.3])
legendre_array(3, 1, x_array)
# output: array([[   1.        ,    0.        ],
#                [   0.2       ,   -1.        ],
#                [  -0.98      ,   -5.2       ],
#                [ -10.36      ,  -40.04      ]])

以上就是在Python中对具有多维系数的Legendre数列进行微分的完整攻略，希望对你有所帮助。