要比较一阶和二阶巴特沃斯带通滤波器在虚拟传感器数据图上的效果，可以使用Python的科学计算库NumPy和信号处理库SciPy来实现。下面是一个示例代码：

import numpy as np
from scipy.signal import butter, freqz, lfilter
import matplotlib.pyplot as plt

# 生成虚拟传感器数据
fs = 1000  # 采样频率
t = np.arange(0, 1, 1/fs)  # 时间序列
data = np.sin(2*np.pi*50*t) + np.sin(2*np.pi*120*t)  # 带有50Hz和120Hz的信号

# 设计一阶巴特沃斯带通滤波器
lowcut = 40  # 低截止频率
highcut = 60  # 高截止频率
order = 1  # 阶数
b, a = butter(order, [lowcut, highcut], fs=fs, btype='band')  # 设计滤波器系数

# 应用一阶巴特沃斯滤波器
y1 = lfilter(b, a, data)

# 设计二阶巴特沃斯带通滤波器
order = 2  # 阶数
b, a = butter(order, [lowcut, highcut], fs=fs, btype='band')  # 设计滤波器系数

# 应用二阶巴特沃斯滤波器
y2 = lfilter(b, a, data)

# 绘制虚拟传感器数据和滤波器输出结果
plt.figure()
plt.plot(t, data, 'b-', label='data')
plt.plot(t, y1, 'g-', linewidth=2, label='1st order Butterworth')
plt.plot(t, y2, 'r-', linewidth=2, label='2nd order Butterworth')
plt.xlabel('Time [s]')
plt.ylabel('Amplitude')
plt.legend()
plt.grid(True)
plt.show()

在此示例中，我们首先生成了带有50Hz和120Hz信号的虚拟传感器数据。然后，我们分别设计了一阶和二阶巴特沃斯带通滤波器，并将其应用于虚拟传感器数据。最后，我们使用matplotlib库绘制了原始数据和滤波器输出结果的图形。

注意：在运行此代码之前，需要确保已安装NumPy、SciPy和matplotlib库。可以使用以下命令进行安装：

pip install numpy scipy matplotlib