要在Beam作业中创建一个BigQuery表但不插入数据，你可以使用以下代码示例：

import apache_beam as beam
from apache_beam.io.gcp.bigquery import BigQueryDisposition

# Beam pipeline code
def create_bigquery_table(project_id, dataset_id, table_id):
    table_spec = f"{project_id}:{dataset_id}.{table_id}"
    schema = "column1:STRING,column2:INTEGER,column3:FLOAT"

    # Create a temporary dummy PCollection with a single element
    pcoll = (
        beam.Pipeline()
        | "Create dummy data" >> beam.Create([1])
    )

    # Write the dummy data to BigQuery but with WRITE_EMPTY disposition
    pcoll | "Write to BigQuery" >> beam.io.WriteToBigQuery(
        table=table_spec,
        schema=schema,
        create_disposition=BigQueryDisposition.CREATE_IF_NEEDED,
        write_disposition=BigQueryDisposition.WRITE_EMPTY
    )

    # Run the pipeline
    result = beam.Pipeline().run()
    result.wait_until_finish()

# Execute the function to create the BigQuery table
create_bigquery_table("your-project-id", "your-dataset-id", "your-table-id")

在上述代码中，我们首先定义了一个名为create_bigquery_table的函数，该函数接受三个参数：项目ID（project_id）、数据集ID（dataset_id）和表ID（table_id）。然后，我们构建了一个临时的PCollection，其中包含一个元素（在此示例中为1）。接下来，我们使用beam.io.WriteToBigQuery将这个临时PCollection写入到BigQuery表中，但是我们将create_disposition设置为BigQueryDisposition.CREATE_IF_NEEDED（如果表不存在则创建），并将write_disposition设置为BigQueryDisposition.WRITE_EMPTY（仅创建表，不插入数据）。最后，我们使用beam.Pipeline().run()来运行Beam管道，并使用result.wait_until_finish()等待管道完成。

要使用这个示例代码，你需要将your-project-id、your-dataset-id和your-table-id替换为你自己的项目ID、数据集ID和表ID。

请注意，这只是一个简单的示例，你可能需要根据你的实际需求进行修改。