正确答案是：A: 数据清洗

在知识发掘处理（Knowledge Discovery Process）中，数据清洗是处理空值（NULL Value）等数据质量问题的关键阶段。数据清洗的主要任务是识别和修正数据中的错误、遗漏和不一致之处，以提高数据的质量和完整性。

具体分析如下：

1. **数据清洗**：这一阶段的主要目标是处理数据中的噪声和缺失值，包括空值（NULL Value）。常见的方法有删除空值、填补空值（例如使用均值、中位数或其他统计方法）、以及通过其他数据推断出合理的值。

2. **数据选择**：这是选择相关数据以用于进一步分析的阶段。虽然数据选择可能涉及到考虑数据的完整性，但它通常不涉及具体的空值处理。

3. **数据编码**：这一阶段涉及将数据转换为适合分析的格式，比如将分类数据转换为数值编码。这一阶段通常不直接处理空值问题。

4. **数据扩充**：这一阶段涉及增加新的特征或数据以增强模型的表现，通常不涉及直接处理空值。

因此，空值的处理主要是在数据清洗阶段进行的，因为这是确保数据质量的关键步骤。