以下是一个使用Apache Beam和Google Dataflow将数据写入BigQuery的Python代码示例：

import apache_beam as beam
from apache_beam.options.pipeline_options import PipelineOptions

# 设置PipelineOptions
options = PipelineOptions()
# 设置Google Cloud项目ID
options.view_as(GoogleCloudOptions).project = 'your-project-id'
# 设置Google Cloud区域
options.view_as(GoogleCloudOptions).region = 'your-region'

# 定义数据处理函数
class ProcessData(beam.DoFn):
    def process(self, element):
        # 在这里实现你的数据处理逻辑
        processed_data = ...
        yield processed_data

# 定义写入BigQuery的函数
class WriteToBigQuery(beam.DoFn):
    def __init__(self, table_name):
        self.table_name = table_name

    def process(self, element):
        # 将数据写入BigQuery
        from apache_beam.io.gcp.bigquery import WriteToBigQuery
        return element | WriteToBigQuery(
            table=self.table_name,
            dataset='your-dataset',
            project='your-project-id')

def run_pipeline():
    # 创建Pipeline对象
    with beam.Pipeline(options=options) as p:
        # 读取数据源
        data = p | beam.io.ReadFromText('gs://your-bucket/input.txt')

        # 数据处理
        processed_data = data | beam.ParDo(ProcessData())

        # 将数据写入BigQuery
        processed_data | beam.ParDo(WriteToBigQuery('your-table-name'))

if __name__ == '__main__':
    run_pipeline()

注意，在运行此代码之前，你需要将以下信息替换为你自己的值：

• your-project-id：Google Cloud项目ID
• your-region：Google Cloud区域
• your-bucket：存储输入文件的Google Cloud存储桶
• your-dataset：BigQuery数据集的名称
• your-table-name：要写入数据的BigQuery表的名称

这个代码示例使用了Apache Beam的核心概念，如DoFn和WriteToBigQuery。ProcessData类是一个自定义的数据处理函数，你可以在其中编写你自己的数据处理逻辑。WriteToBigQuery类是一个自定义的DoFn函数，它将数据写入BigQuery。请确保你已经正确安装了相应的依赖库，如apache_beam和google-cloud-bigquery。

要运行这个代码示例，你可以将其保存为一个Python文件，然后在命令行中运行python your_file_name.py。