在处理缺失值的情况下，以下是对选项的分析：

A: `np.nan`表示numpy中的缺失值
- **正确**。在NumPy中，`np.nan` 是表示浮点型缺失值的标准符号。

B: `np.isnan`用来判断是否是缺失值
- **正确**。`np.isnan` 函数用于检查数组中的元素是否为缺失值（即NaN），返回一个布尔数组。

C: `np.nansum()`可以对含有缺失值的数组中的非缺失值元素求加和
- **正确**。`np.nansum()` 函数会忽略NaN值，返回数组中非NaN值的总和。

D: `sum()`函数可以直接对含有缺失值的数组中的非缺失值元素做加和运算
- **不正确**。`sum()` 是Python内置函数，如果对包含NaN的NumPy数组使用，它不会忽略NaN值，结果会是NaN。因此不能直接对包含缺失值的数组进行正确的求和运算。

综上所述，选项D是不正确的。`np.nansum()` 是专门处理包含NaN的数组的专用函数，而 `sum()` 不具备处理缺失值的能力。