为了解决这个问题，可以在保存这些类型的数据时进行特殊处理。例如，将0.0和false分别转换为0.01和1.01。下面是一个Python代码示例：

from google.cloud import bigquery

client = bigquery.Client()

# Define the function to convert values
def convert_value(value):
    if isinstance(value, float) and value == 0.0:
        return 0.01
    elif isinstance(value, bool) and value is False:
        return 1.01
    else:
        return value

# Define the function to insert data to BigQuery
def insert_data_to_bigquery(dataset_id, table_id, rows):
    table_ref = client.dataset(dataset_id).table(table_id)
    table = client.get_table(table_ref)

    # Convert values before inserting
    for row in rows:
        for field in row.keys():
            row[field] = convert_value(row[field])

    # Insert data
    errors = client.insert_rows(table, rows)
    if errors:
        print(f"Insert data failed: {errors}")
    else:
        print("Insert data successfully")

# Example data
rows = [
    {"id": 1, "value": 0.0, "is_active": False},
    {"id": 2, "value": 3.14, "is_active": True},
    {"id": 3, "value": 2.5, "is_active": False}
]

# Insert data to BigQuery
insert_data_to_bigquery("mydataset", "mytable", rows)

在这个示例中，我们定义了一个名为convert_value的函数来处理需要特殊处理的值，并在插入数据之前将它们转换为适当的值。最后，我们将经过处理的行插入到BigQuery表中。