在Apache Flink 1.11版本中，无法在SQL函数DDL中直接使用Python UDF，但可以通过使用Table API进行工作。下面是一个示例代码，演示如何在Apache Flink 1.11中使用Python UDF。

from pyflink.common.serialization import SimpleStringSchema
from pyflink.datastream import StreamExecutionEnvironment
from pyflink.datastream.connectors import FlinkKafkaConsumer
from pyflink.table import StreamTableEnvironment
from pyflink.table.udf import udf

# 创建StreamExecutionEnvironment和StreamTableEnvironment
env = StreamExecutionEnvironment.get_execution_environment()
t_env = StreamTableEnvironment.create(env)

# 定义Python UDF
@udf(result_type="STRING")
def to_upper_case(s):
    return s.upper()

# 创建DDL语句
ddl = """
    CREATE TABLE my_source (
        word STRING
    ) WITH (
        'connector.type' = 'kafka',
        'connector.version' = 'universal',
        'connector.topic' = 'my_topic',
        'connector.properties.bootstrap.servers' = 'localhost:9092',
        'format.type' = 'json'
    )
"""

# 注册Python UDF
t_env.register_function("to_upper_case", to_upper_case)

# 使用DDL创建source表
t_env.execute_sql(ddl)

# 查询并转换数据
result = t_env.from_path("my_source").select("to_upper_case(word)")

# 输出结果
result.execute().print()

在上述示例代码中，我们使用pyflink库来创建StreamExecutionEnvironment和StreamTableEnvironment。然后，我们定义了一个Python UDF to_upper_case，它将输入的字符串转换为大写。接下来，我们创建了一个DDL语句，用于定义输入数据的来源和格式。然后，我们注册了Python UDF，并使用DDL创建了一个source表。最后，我们查询source表，并对数据应用Python UDF进行转换，并打印结果。

请注意，在使用这种方法时，需要确保在PyFlink环境中已安装了相应的Python依赖项和库。