要将数据加载到BigQuery中的特定分区，可以使用以下代码示例：

1. 使用Python的google-cloud-bigquery库连接到BigQuery：

from google.cloud import bigquery

# 实例化一个BigQuery客户端
client = bigquery.Client()

2. 创建一个 LoadJobConfig 对象，指定数据加载的配置：

from google.cloud import bigquery

# 创建一个LoadJobConfig对象
load_config = bigquery.LoadJobConfig()

# 设置数据加载的目标分区
load_config.write_disposition = bigquery.WriteDisposition.WRITE_APPEND
load_config.time_partitioning = bigquery.TimePartitioning(
    type_=bigquery.TimePartitioningType.DAY,
    field="date_column"
)

在上面的示例中，我们将 write_disposition 设置为 WRITE_APPEND，这将在指定的分区中追加数据。time_partitioning 则指定了分区类型和分区字段。

3. 指定数据加载的源文件和目标表：

from google.cloud import bigquery

# 源文件的URI
source_uri = "gs://bucket-name/path/to/source/file.csv"

# 目标表的引用
table_ref = client.dataset("dataset_name").table("table_name")

# 创建一个LoadJob对象
load_job = client.load_table_from_uri(
    source_uri, table_ref, job_config=load_config
)

在上面的示例中，我们将数据加载到了指定的分区表（dataset_name.table_name）中。source_uri 指定了源文件的位置，可以是本地文件路径或 Google Cloud Storage 中的 URI。

4. 等待数据加载任务完成：

# 等待数据加载任务完成
load_job.result()

在上面的示例中，我们使用 result() 方法等待数据加载任务的完成。这将阻塞代码执行，直到任务完成或出现错误。

完整的示例代码如下：

from google.cloud import bigquery

# 实例化一个BigQuery客户端
client = bigquery.Client()

# 创建一个LoadJobConfig对象
load_config = bigquery.LoadJobConfig()
load_config.write_disposition = bigquery.WriteDisposition.WRITE_APPEND
load_config.time_partitioning = bigquery.TimePartitioning(
    type_=bigquery.TimePartitioningType.DAY,
    field="date_column"
)

# 源文件的URI
source_uri = "gs://bucket-name/path/to/source/file.csv"

# 目标表的引用
table_ref = client.dataset("dataset_name").table("table_name")

# 创建一个LoadJob对象
load_job = client.load_table_from_uri(
    source_uri, table_ref, job_config=load_config
)

# 等待数据加载任务完成
load_job.result()

请确保正确替换示例代码中的 bucket-name、path/to/source/file.csv、dataset_name 和 table_name，以适应您自己的项目。