在BigQuery中，按照数据导入时间分区和按照日期/时间分区查询表的成本是不同的。以下是一个解决方法，包含了代码示例：

1. 按照数据导入时间分区表 在BigQuery中，可以按照数据导入的时间对表进行分区。这种分区方式适用于按照数据导入时间范围进行查询的场景。使用这种分区方式的成本是固定的，无论查询的时间范围如何，都会使用相同的成本。

代码示例：

CREATE OR REPLACE TABLE dataset.partitioned_table
PARTITION BY DATE(timestamp_column)
CLUSTER BY other_column AS
SELECT * FROM dataset.source_table;

2. 按照日期/时间分区表 在BigQuery中，还可以按照具体的日期或时间字段对表进行分区。这种分区方式适用于按照特定日期或时间范围进行查询的场景。使用这种分区方式的成本是根据查询的时间范围和分区的大小来计算的。

代码示例：

CREATE OR REPLACE TABLE dataset.partitioned_table
PARTITION BY RANGE_BUCKET(timestamp_column, GENERATE_TIMESTAMP_ARRAY('start_date', 'end_date', INTERVAL 1 DAY))
CLUSTER BY other_column AS
SELECT * FROM dataset.source_table;

在上面的代码示例中，'start_date'和'end_date'是具体的日期范围。根据查询的时间范围和分区的大小，BigQuery会根据分区中的数据量来计算查询的成本。

3. 根据分区查询表 在查询表时，可以使用特定的分区来限制查询的范围。这样可以避免查询整个表，从而降低查询的成本。

代码示例：

SELECT *
FROM dataset.partitioned_table
WHERE _PARTITIONTIME BETWEEN TIMESTAMP('start_date') AND TIMESTAMP('end_date');

在上面的代码示例中，'start_date'和'end_date'是查询的时间范围。通过使用_PARTITIONTIME列和BETWEEN子句，可以只查询指定分区中的数据，从而降低查询的成本。

总结： 按照数据导入时间分区和按照日期/时间分区查询表的成本是不同的。按照数据导入时间分区的表的成本是固定的，而按照日期/时间分区查询表的成本是根据查询的时间范围和分区的大小来计算的。在实际使用中，可以根据具体的业务需求选择合适的分区方式和查询策略，以降低成本。