以下是使用带通滤波器filtData、使用滤波器对象filtfilt和使用sos矩阵filtfilt进行比较滤波的代码示例：

使用带通滤波器filtData：

import numpy as np
from scipy.signal import butter, filtfilt

# 生成测试数据
t = np.linspace(0, 1, 1000)
x = np.sin(2*np.pi*10*t) + np.sin(2*np.pi*20*t)

# 定义带通滤波器参数
lowcut = 5
highcut = 15
fs = 1000
order = 4

# 计算带通滤波器系数
nyquist = 0.5 * fs
low = lowcut / nyquist
high = highcut / nyquist
b, a = butter(order, [low, high], btype='band')

# 使用带通滤波器filtData进行滤波
filtered_data = filtfilt(b, a, x)

print("使用带通滤波器filtData滤波后的数据：")
print(filtered_data)

使用滤波器对象filtfilt：

import numpy as np
from scipy.signal import butter, filtfilt

# 生成测试数据
t = np.linspace(0, 1, 1000)
x = np.sin(2*np.pi*10*t) + np.sin(2*np.pi*20*t)

# 定义带通滤波器参数
lowcut = 5
highcut = 15
fs = 1000
order = 4

# 计算带通滤波器系数
nyquist = 0.5 * fs
low = lowcut / nyquist
high = highcut / nyquist
b, a = butter(order, [low, high], btype='band')

# 创建滤波器对象
filt = filtfilt(b, a)

# 使用滤波器对象filt进行滤波
filtered_data = filt(x)

print("使用滤波器对象filtfilt滤波后的数据：")
print(filtered_data)

使用sos矩阵filtfilt：

import numpy as np
from scipy.signal import butter, sosfiltfilt

# 生成测试数据
t = np.linspace(0, 1, 1000)
x = np.sin(2*np.pi*10*t) + np.sin(2*np.pi*20*t)

# 定义带通滤波器参数
lowcut = 5
highcut = 15
fs = 1000
order = 4

# 计算带通滤波器系数
nyquist = 0.5 * fs
low = lowcut / nyquist
high = highcut / nyquist
sos = butter(order, [low, high], btype='band', output='sos')

# 使用sos矩阵filtfilt进行滤波
filtered_data = sosfiltfilt(sos, x)

print("使用sos矩阵filtfilt滤波后的数据：")
print(filtered_data)

以上代码示例中，我们首先生成了一个带有两个频率成分的测试数据。然后根据需要进行带通滤波器的参数设置，计算带通滤波器的系数。最后使用不同的滤波方法进行滤波，并输出滤波后的数据。可以根据具体的需求调整滤波器的参数和测试数据。