Airflow中的python脚本和Python中的基本上是相同的，但在Airflow中，需要遵循特定的编程规范和API进行编写。此外，Airflow提供了一些特殊的库和模块来管理任务的依赖性和可视化。

以下是一个基本的Airflow DAG，其中包含一个PythonOperator用于执行Python函数。

from airflow import DAG
from airflow.operators.python_operator import PythonOperator
from datetime import datetime

default_args = {
    'start_date': datetime(2021, 1, 1),
    'depends_on_past': False,
    'email_on_failure': False,
    'email_on_retry': False,
    'retries': 1,
    'retry_delay': timedelta(minutes=5),
}

dag = DAG(
    'my_dag',
    default_args=default_args,
    description='My first DAG',
    schedule_interval='@daily',
)

def print_hello():
    return 'Hello world!'

with dag:
    task1 = PythonOperator(
        task_id='print_hello',
        python_callable=print_hello,
    )

上面的PythonOperator将在Airflow中创建一个任务，将print_hello函数作为Python脚本运行。

因此，在Airflow中编写Python脚本的基本结构与在Python中相同，但需要遵循Airflow的API和规则。