在Airflow中，可以使用PythonOperator来实现动态任务映射。下面是一个示例代码，展示了如何将前一个任务的结果扩展到后续任务中。

首先，导入所需的包和模块：

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

定义一个函数，用于执行任务并返回结果：

def task_function(**kwargs):
    # 获取上游任务的结果
    previous_task_result = kwargs['ti'].xcom_pull(task_ids='previous_task')

    # 对结果进行扩展
    extended_result = previous_task_result + ' extended'

    # 将结果传递给下游任务
    kwargs['ti'].xcom_push(key='extended_result', value=extended_result)

创建一个DAG，并设置默认参数：

default_args = {
    'start_date': datetime(2022, 1, 1)
}

dag = DAG('dynamic_task_mapping', schedule_interval=None, default_args=default_args)

定义两个任务，一个产生结果，另一个使用上游任务的结果进行扩展：

task1 = PythonOperator(
    task_id='previous_task',
    python_callable=lambda: 'result',
    dag=dag
)

task2 = PythonOperator(
    task_id='next_task',
    python_callable=task_function,
    provide_context=True,
    dag=dag
)

设置任务之间的依赖关系：

task1 >> task2

在这个例子中，task1生成一个结果，并将其作为xcom传递给task2。task2使用task1的结果，并将其扩展后推送到xcom中。你可以在后续任务中继续使用这个扩展后的结果。

请注意，provide_context=True是必需的，以便在任务函数中获取上下文信息，包括task instance（ti）。

这是一个简单的示例，您可以根据自己的需求进行修改和扩展。希望对您有所帮助！