运用pandas，自定义一个能够自动实现数据去重、缺失值中位数填补的函数。

以下是一个可以实现数据去重和缺失值中位数填补的自定义函数：

import pandas as pd

def clean_data(df):
    # 数据去重
    df.drop_duplicates(inplace=True)
    
    # 缺失值中位数填补
    for col in df.columns:
        if df[col].isnull().sum() > 0:  # 判断该列是否有缺失值
            median = df[col].median()  # 计算该列的中位数
            df[col].fillna(median, inplace=True)  # 用中位数填补缺失值
    return df

使用方法：

# 读取数据
df = pd.read_csv('example.csv')

# 数据清洗
df_clean = clean_data(df)

在上述代码中，我们首先使用 `pd.read_csv()` 读取了一个名为 `example.csv` 的数据文件，并将其存储到一个名为 `df` 的 pandas DataFrame 中。然后，我们调用了 `clean_data()` 自定义函数，将 `df` 作为参数传递给该函数。在函数内部，我们首先使用 `drop_duplicates()` 方法去除了数据中的重复项。然后，我们使用一个循环遍历了所有的列，对于每一列，我们使用 `isnull().sum()` 方法判断该列是否有缺失值。如果有，我们就使用 `median()` 方法计算该列的中位数，并使用 `fillna()` 方法将缺失值用中位数进行填补。最后，我们将处理后的 DataFrame 返回给调用者。