要使用Python和Apache Airflow在BigQuery中创建表并加载数据，可以按照以下步骤操作：

1. 确保已安装Apache Airflow和Google Cloud SDK，并设置好相关的环境变量。

2. 在Airflow的DAG目录中创建一个新的Python脚本文件，命名为create_and_load_table.py。

3. 在脚本中导入所需的模块和库：

from airflow import DAG
from airflow.operators.python_operator import PythonOperator
from google.cloud import bigquery
from datetime import datetime

4. 定义一个函数来创建BigQuery表并加载数据：

def create_and_load_table():
    # 设置Google Cloud项目ID和BigQuery数据集名称
    project_id = 'your-project-id'
    dataset_name = 'your-dataset-name'
    
    # 创建一个BigQuery客户端
    client = bigquery.Client(project=project_id)
    
    # 定义一个新的表模式
    schema = [
        bigquery.SchemaField("column1", "STRING"),
        bigquery.SchemaField("column2", "INTEGER"),
        bigquery.SchemaField("column3", "FLOAT"),
    ]
    
    # 创建一个新的表
    table_ref = client.dataset(dataset_name).table("your-table-name")
    table = bigquery.Table(table_ref, schema=schema)
    table = client.create_table(table)  # 创建表
    
    # 加载数据到新表
    job_config = bigquery.LoadJobConfig()
    job_config.source_format = bigquery.SourceFormat.CSV
    job_config.skip_leading_rows = 1
    job_config.autodetect = True
    
    uri = "gs://your-bucket-name/your-data.csv"  # 数据文件的GCS URI
    load_job = client.load_table_from_uri(uri, table_ref, job_config=job_config)
    load_job.result()  # 等待加载作业完成
    
    print("Table created and data loaded successfully.")

5. 创建一个Airflow的DAG对象，并定义相关参数：

dag = DAG(
    dag_id='create_and_load_table',
    start_date=datetime(2021, 1, 1),
    schedule_interval=None
)

6. 创建一个PythonOperator任务，并将之前定义的函数作为其参数：

create_table_task = PythonOperator(
    task_id='create_table_task',
    python_callable=create_and_load_table,
    dag=dag
)

7. 将任务添加到DAG中：

create_table_task

8. 保存并运行Airflow的调度程序，可以使用命令airflow scheduler。

这样就使用Python和Apache Airflow成功创建了一个BigQuery表并加载数据。请确保替换代码中的相应参数，如项目ID、数据集名称、表名称和数据文件的GCS URI。