Python 3.x 在TFIDF算法中，有没有办法将多列作为训练数据集？

我一直在尝试TF_IDF推荐算法，成功开发了一列作为输入，一列作为输出的推荐算法。 现在，我想用四列作为训练数据集，但它不起作用，有什么想法吗

这是我的数据集

代码我一直在尝试

import pandas as pd
from sklearn.feature_extraction.text import TfidfVectorizer
from sklearn.metrics.pairwise import cosine_similarity

data = pd.read_csv("ADL Dataset V1.csv", sep=",")

reactants = data["Name"]["Smile Canonical"]["Mobile phase"]["Chomatrographic mode"]
reactans = reactants.tolist()
targets = data["Column"].tolist()

# TFIDF vector representation
vectorizer = TfidfVectorizer()
X = vectorizer.fit_transform(targets)
# Taking first record as test sample X[0:1]
cosine_similarities = cosine_similarity(X[0:1], X).flatten()

# Extract top 5 similarity records
similarity = cosine_similarities.argsort()[:-5:-1]
for sim in similarity:
    print(reactants[sim])

我想通过以上4列作为培训数据集，并提出建议。有人能帮我吗