extract_item_v2 <-
function(input_rds, input_item, input_region){
  
  #### BƯỚC 2: CLEAN DATA ####
  
  ## 2.1) TÁCH ITEM QUAN TÂM
  
  crop_full <- input_rds 
  
  crop_full_clean <- crop_full[ , c(3, 6, 8, 10, 11, 12)]
  
  rice_all <- subset(crop_full_clean, item == input_item)
  
  ## 2.2) TÁCH QUỐC GIA KHỎI THÔNG TIN REGION
  
  input_region -> country_group
  
  region_name <- unique(country_group$Country.Group)
  
  country_name <- unique(rice_all$area)
  
  country_1 <- country_name[!(country_name %in% region_name)]
  
  rice_country <- rice_all[rice_all$area %in% country_1, ]
  
  ## 2.3) SẮP XẾP DATA THEO TRẬT TỰ
  
  library(dplyr)
  
  rice_country <- rice_country %>% dplyr::arrange(area, 
                                                  desc(year),
                                                  desc(element),
                                                  desc(value)
  )
  
  #### BƯỚC 3: CHECK DATA AND CLEAN ####
  
  ## SỬ DỤNG LỆNH TAPPLY ĐỂ TÌM THÔNG TIN CÁC QUỐC GIA KHÔNG SẢN XUẤT GẠO
  
  check_1 <- tapply(rice_country$value, 
                    list(rice_country$area, rice_country$element), 
                    FUN = sum, na.rm = TRUE)
  
  check_2 <- as.data.frame(check_1)
  
  check_2$area <- row.names(check_2)
  
  check_2[, c("area", "production", "area_harvested")] -> check_2
  
  row.names(check_2) <- NULL
  
  check_2 |> dplyr::arrange(area_harvested, production, area) -> check_3
  
  country_check <- check_3 |> subset(area_harvested == 0 & production == 0)
  
  ## SUBSET NHỮNG QUỐC GIA CÓ SẢN XUẤT GẠO
  
  country_name_1 <- unique(rice_country$area)
  
  country_2 <- country_name_1[!(country_name_1 %in% country_check$area)]
  
  rice_country_2 <- rice_country[rice_country$area %in% country_2, ]

  #### BƯỚC 4: RESHAPE DATA ####
  
  rice_country_2 <- rice_country_2 |> subset(select = -unit)
  
  rice_ready <- reshape(data = rice_country_2,
                        idvar = c("year", "area"),
                        v.names = "value",
                        timevar = "element",
                        direction = "wide") 
  
  ## BỎ CỘT YIELD
  
  rice_ready <- rice_ready[, c("area", "item", "year", "value.area_harvested", "value.production")]
  
  ## BỎ MISSING VALUE, CHỈNH LẠI TÊN CỘT VÀ ROW.NAMES
  
   rice_ready <- na.omit(rice_ready)
   
  names(rice_ready)[names(rice_ready) == "value.production"] <- "production"
  names(rice_ready)[names(rice_ready) == "value.area_harvested"] <- "area_harvested"
  
  # names(rice_ready)[4] <- "production"
  # names(rice_ready)[5] <- "area_harvested"
  row.names(rice_ready) <- NULL 
  

  ## ĐỔI TÊN DATASET
  
  rice_ready -> item_ready
  
  ## TÍNH NĂNG SUẤT, NẾU CÓ NAN HOẶC INF THÌ SET BẰNG 0
  
  item_ready$yield <- round(item_ready$production / item_ready$area_harvested, digits = 2)
  
  item_ready$yield[is.nan(item_ready$yield)] <- 0
  
  item_ready$yield[is.infinite(item_ready$yield)] <- 0
  
  item_ready$area <- reorder(item_ready$area, item_ready$production)
  
  item_ready <- item_ready %>% dplyr::arrange(desc(area), 
                                              desc(year),
                                              desc(production),
                                              desc(area_harvested),
                                              desc(yield))
  
  return(item_ready)
  
  
  
}