在Airflow DAG中，可以使用PythonOperator和BranchPythonOperator来创建任务依赖关系。PythonOperator用于创建普通的任务，BranchPythonOperator用于创建具有条件的任务。

下面是一个示例，演示了如何在Airflow DAG中创建任务依赖关系：

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

default_args = {
    'start_date': datetime(2021, 1, 1)
}

def task_1():
    print("Task 1")

def task_2():
    print("Task 2")

def task_3():
    print("Task 3")

def condition():
    # 根据条件返回下一个任务的名称
    return 'task_2' if condition_met else 'task_3'

with DAG('dag_with_dependencies', default_args=default_args, schedule_interval=None) as dag:
    t1 = PythonOperator(task_id='task_1', python_callable=task_1)
    t2 = PythonOperator(task_id='task_2', python_callable=task_2)
    t3 = PythonOperator(task_id='task_3', python_callable=task_3)
    branch = BranchPythonOperator(task_id='branch_task', python_callable=condition)

    t1 >> branch
    branch >> t2
    branch >> t3

在上面的示例中，定义了三个任务task_1，task_2和task_3，以及一个条件函数condition。使用PythonOperator创建了这三个任务，并使用BranchPythonOperator创建了一个条件分支任务branch_task，根据condition函数的返回值来确定下一个任务是task_2还是task_3。

通过>>操作符来定义了任务之间的依赖关系，t1 >> branch表示任务task_1的输出将作为branch_task的输入，branch >> t2表示branch_task的输出将作为task_2的输入，branch >> t3表示branch_task的输出将作为task_3的输入。

这样就创建了一个DAG，其中任务之间有依赖关系，并且根据条件不同，执行不同的任务。