正确答案是 **C: np.nan**。

### 专业分析

在 NumPy 中，缺失值通常用 `np.nan` 来表示。下面是对各个选项的解析：

1. **A: nan**
- `nan` 是缺失值的一个指代名，但在使用时通常需要结合库的命名空间，如 `np.nan`，以确保它是指 NumPy 中定义的“Not a Number”。

2. **B: none**
- `None` 是 Python 本身的一个特殊对象，用于表示“空”或“无值”。在 NumPy 数组中使用 `None` 可能导致类型转换或错误，因为 NumPy 数组通常要求所有元素类型相同。

3. **C: np.nan**
- `np.nan` 是 NumPy 中专门用于表示缺失值的浮点数。`nan` 是 “Not a Number”的缩写，在浮点运算中常用于表示未定义或不可表示的数值，如 0/0。

4. **D: -**
- 单独的 `-` 没有特别的意义，通常是用于负号，不能被用作缺失值的表示。

### 使用示例

```python
import numpy as np

# 创建一个包含缺失值的数组
array_with_nan = np.array([1.0, 2.0, np.nan, 4.0])

# 检查数组中的缺失值
print(np.isnan(array_with_nan)) # 输出: [False False True False]
```

### 总结

在数据分析和科学计算中，处理缺失值是常见的任务，而在 NumPy 中 `np.nan` 提供了一种标准化的方法来表示这些缺失值，并且可以与其他 NumPy 函数（如 `np.isnan`）结合使用，以方便地检测和处理缺失值。