可以使用numpy内置的函数和特性来优化numpy数组的乘法运算，避免使用循环。

示例代码如下：

import numpy as np

# 创建两个ndarray数组
a = np.random.rand(100000)
b = np.random.rand(100000)

# 使用循环计算a和b的乘积，并计算运行时间
import time
start_time = time.time()

c = np.zeros_like(a)
for i in range(len(a)):
    c[i] = a[i] * b[i]

end_time = time.time()
print("使用循环的运行时间：", end_time - start_time)

# 使用numpy自带的乘法函数计算a和b的乘积，并计算运行时间
start_time = time.time()

d = np.multiply(a, b)

end_time = time.time()
print("numpy自带的乘法函数的运行时间：", end_time - start_time)

# 使用numpy的广播特性计算a和b的乘积，并计算运行时间
start_time = time.time()

e = a * b

end_time = time.time()
print("numpy的广播特性的运行时间：", end_time - start_time)

# 检查计算结果是否相同
assert np.all(c == d)
assert np.all(c == e)

上述代码先创建了两个形状为(100000,)的ndarray数组，使用三种不同的方法计算了这两个数组的乘积，并计算了每种方法的运行时间。其中第一种方法是使用循环实现，第二种方法是使用numpy自带的乘法函数(np.multiply)实现，第三种方法是利用numpy的广播特性直接实现(a * b)。最后通过断言检查每种方法计算得到的结果是否相同。运行结果显示numpy自带的乘法函数和广播特性的运行时间远远小于使用循环