在数据清洗过程中，保证数据一致性的方法主要有以下几种：

1. 数据规范化：将数据统一格式，使其能够被正确地处理和分析。例如，数据标准化可以将数据缩放到一定的范围，例如[0,1]或[-1,1]等。
2. 数据去重：去除重复的数据，避免数据仓库中存在多个相同的数据。这可以通过一些工具和技术实现，例如数据库的去重功能、Excel的筛选功能等，也可以根据数据的特点和业务需求，运用适当的算法和模型找出并删除重复数据。
3. 格式一致性验证：数据来源的多样性和数据输入者的差异性，往往导致数据的格式不一致。例如，日期数据可能以不同的格式进行存储。为了保证数据的格式一致性，可以使用正则表达式、数据转换函数等工具，将数据转化为统一的格式。另外，还可以通过数据预处理技术，如数据标准化、归一化等，将数据转化为统一的数值范围。
4. 缺失数据验证：缺失数据是数据清洗中常见的问题之一，它会对后续的数据分析和建模产生一定的干扰。为了验证和修复缺失数据，可以使用一些方法，比如插值法、均值法、随机森林等。这些方法可以根据缺失数据的特点和分布，通过合理的计算和模型拟合，填充和修复缺失数据。

总的来说，数据清洗是一个复杂的过程，需要结合多种方法和技术来保证数据的一致性。