编写Python代码，判断Adult 数据集中的数值型数据是否存在异常值。

在Python中，我们通常使用描述统计学方法（如四分位数范围IQR）来初步检测数值型数据中的异常值。以下是一个简单的例子，假设我们已经将数据读入一个`DataFrame` `df`，并且`numerical_columns`是我们感兴趣的数值型特征列表：

import pandas as pd

# 假设df是DataFrame形式的数据
def detect_outliers(column):
    q1 = df[column].quantile(0.25)
    q3 = df[column].quantile(0.75)
    iqr = q3 - 1.5 * iqr
    upper_bound = q3 + 1.5 * iqr
    outliers = df[(df[column] < lower_bound) | (df[column] > upper_bound)]
    return outliers

# 列出数值型列
numerical_columns = df.select_dtypes(include=['int64', 'float64']).columns.tolist()

# 检查每个数值列的异常值
for column in numerical_columns:
    outliers = detect_outliers(column)
    if not outliers.empty:
        print(f"{column} 中存在异常值: \n{outliers}")