在BigQuery中，可以使用循环操作来帮助批量插入行到表中。以下是一个使用Python的代码示例：

from google.cloud import bigquery

# 创建BigQuery客户端
client = bigquery.Client()

# 设置表的相关信息
dataset_id = 'YOUR_DATASET_ID'
table_id = 'YOUR_TABLE_ID'
table_ref = client.dataset(dataset_id).table(table_id)
table = client.get_table(table_ref)

# 创建要插入的行数据列表
rows_to_insert = [
    {'column1': 'value1', 'column2': 'value2'},
    {'column1': 'value3', 'column2': 'value4'},
    {'column1': 'value5', 'column2': 'value6'}
]

# 定义插入行的函数
def insert_rows(rows):
    # 创建一个空的插入行请求列表
    insert_requests = []

    # 遍历要插入的行数据列表
    for row in rows:
        # 创建一个插入行请求
        insert_requests.append(bigquery.InsertRequest(row))

    # 批量插入行到表中
    errors = client.insert_rows(table, insert_requests)

    if errors != []:
        print('插入行时出现错误: {}'.format(errors))
    else:
        print('行插入成功')

# 调用插入行的函数
insert_rows(rows_to_insert)

在上述示例中，首先创建了一个BigQuery客户端，并设置了要插入行的表的相关信息。然后，创建了要插入的行数据列表。接下来，定义了一个名为insert_rows的函数，该函数接受一个行数据列表作为参数，将每一行封装成一个插入行请求，并将这些请求作为一个批量请求插入到表中。最后，调用insert_rows函数并传入要插入的行数据列表。如果插入过程中出现错误，则会打印错误信息；如果插入成功，则会打印成功消息。

请注意，循环操作可能会在很大的数据集上导致性能问题。如果要插入的行数据非常大，可以考虑使用BigQuery的其他功能，如load_table_from_dataframe或load_table_from_uri，以更高效地将数据加载到表中。