这问题问得很到位！我来给你掰扯清楚里面的门道：

一、为什么内置sorted()搞不定含NaN的数组？ #

核心原因在于NaN的比较特性和Python内置排序的逻辑：

• 根据IEEE 754浮点标准，NaN（Not a Number）和任何值（包括它自己）的比较结果都是False。比如nan < 2是False，2 < nan也是False，甚至nan == nan还是False。
• Python的sorted()依赖元素之间的全序关系（简单说就是任意两个元素都能明确分出大小），但NaN打破了这个规则——排序算法根本不知道该把NaN放在哪个位置，因为它和任何元素都“比不出结果”。
• 最终的表现就是：NaN会维持在原数组中的相对位置，其他元素的排序也会因为和NaN的无效比较而混乱，就像你看到的例子那样，[nan,2,nan,1]用sorted()处理后还是[nan, 2.0, nan, 1.0]，完全没排好。

二、为什么NumPy的values.sort()能行？ #

NumPy自己实现了一套专门的排序逻辑，它主动给NaN设定了排序规则：默认情况下，NumPy会把NaN视为“比所有数值都大”的元素，排序时自动把它们放到数组末尾，而正常数值则按常规逻辑排序，所以你看到的结果是[1. 2. nan nan]。

三、能用sorted()实现含NaN数组的排序吗？必须可以！ #

只需要给sorted()传入自定义的key函数，给NaN指定一个明确的排序优先级就行。这里有两种常用的写法：

方法1：用布尔值区分NaN和正常数值 #

import numpy as np
values = np.array([float('nan'),2,float('nan'),1],dtype=float)
# 让非NaN元素排在前面，内部按数值排序；NaN排到最后
values_sorted = sorted(values, key=lambda x: (np.isnan(x), x))
print(values_sorted)
# 输出: [1.0, 2.0, nan, nan]

原理：lambda返回的元组中，第一个元素是np.isnan(x)（NaN为True，非NaN为False），因为False < True，所以非NaN元素会全部排在NaN前面；第二个元素是x本身，保证非NaN元素按正常大小排序。如果想把NaN放最前面，把np.isnan(x)改成not np.isnan(x)就行。

方法2：用无穷大/无穷小作为NaN的排序键 #

# 把NaN的键设为无穷大，让它们排到最后
values_sorted = sorted(values, key=lambda x: float('inf') if np.isnan(x) else x)
# 如果想让NaN排最前面，就用负无穷：float('-inf')

这个逻辑更直观：直接给NaN分配一个极端值的键，让排序算法明确知道该把它们放在哪里。

内容的提问来源于stack exchange，提问作者MakotoE