在数据清理过程中，处理缺失值的方法包括以下几种：

A: 估算（Imputation） - 这是通过使用统计方法（如均值、中位数、众数插补）或预测模型（如回归插补、KNN插补）来估算缺失值。

B: 整例删除（Listwise Deletion） - 这种方法是删除任何包含缺失值的整个观测记录。这种方法简单，但可能导致数据量的显著减少，尤其是当缺失值较多时。

C: 变量删除（Variable Deletion） - 这种方法是删除包含缺失值的整个变量（特征）。这种方法适用于当某个变量的缺失值比例非常高，且该变量对分析的重要性较低时。

D: 成对删除（Pairwise Deletion） - 这种方法在计算统计量时，仅使用那些在计算中所需变量上没有缺失值的观测记录。这种方法可以保留更多的数据，但可能导致不同分析之间样本量不一致。

从上述分析来看，所有选项（A、B、C、D）都是处理缺失值的常用方法。因此，正确答案是A、B、C、D都可以是处理缺失值的方法。具体选择哪种方法需要根据数据的具体情况和分析目标来决定。