Python 如何在scikit learn的基本情绪分析中使用多种功能？

我已经试着把这个问题简化为最基本的问题。假设我有如下数据（csv）：

我有这个代码，通过在文本列上使用BoW（在本例中为tf idf）在标签上进行训练。我做了一个70/30的列车测试，一切都很好

vec = TfidfVectorizer()
clf = MultinomialNB()
training_data = pd.read_csv('trainset.csv', delimiter=',')
text_tfidf = vec.fit_transform(training_data['text-column'])
# gen_tfidf = vec.fit_transform(training_data['gender-column'])
X_train, X_test, y_train, y_test = train_test_split(text_tfidf, training_data['label'], test_size = 0.3)
clf.fit(X_train, y_train)

然而，就我的一生而言，我根本不知道如何使用多个功能。例如，我想使用文本栏和性别栏来训练模型，看看这会如何影响准确性，但我不知道如何做到这一点

我是否遗漏了一些重要的概念？多谢各位

vec = TfidfVectorizer()
clf = MultinomialNB()
training_data = pd.read_csv('trainset.csv', delimiter=',')
text_tfidf = vec.fit_transform(training_data['text-column'])
# gen_tfidf = vec.fit_transform(training_data['gender-column'])
X_train, X_test, y_train, y_test = train_test_split(text_tfidf, training_data['label'], test_size = 0.3)
clf.fit(X_train, y_train)