个人感觉：交互是ggvis包最大的特点，第二大特点是利用%>%可以无缝衔接dplyr包。
ggvis的交互功能是基于shiny的，如果用R但是还不知道什么是shiny，那就去看看吧。虽然我也不是很熟，但是我知道R的海洋里有个叫shiny的东西。ggvis现在支持的shiny组件有限，主要有：input_slider()，input_checkbox()，input_checkboxgroup()，input_numeric()，input_text()，input_radiobuttons()，input_select()。这些组件与shiny的原生组件类似，但是参数用法或多或少有一些不同，功能一般都是收到限制的。如果没有接触过shiny那就直接学习每个组件或者函数是如何使用的也就够了。
下面就一一讲解每个函数如何使用，每个函数上来先亮代码和图片，后面是代码的参数解释以及返回值或许还有注意事项等。每个函数的参数都不会一一讲解，只讲解一下常用参数。而且这几个函数有共有参数，共有的参数只说明其中一个。
1.input_slider()
# 作图代码
library(ggvis)
mtcars %>%
ggvis(~wt, ~mpg) %>%
layer_smooths(span = input_slider(0.5, 1, value = 1, step=0.1)) %>%
layer_points(size := input_slider(100, 1000, value = 100, ticks=F,
pre="pre_", post="_post"))
#函数使用
input_slider(min, max, value = (min + max)/2, step = NULL, round = FALSE,
format = NULL, locale = "us", ticks = TRUE, animate = FALSE,
sep = ",", pre = NULL, post = NULL, label = "", id = rand_id("slider_"),
map = identity)参数解释：
min/max：滑块最小值/最大值。
value：滑块默认值（默认是最大值和最小值的平均数）。
step：移动滑块时的步长。
ticks：是否显示刻度。
sep：千分位分隔符，默认是逗号。
pre/post：数值前/后缀字符串。
label：控件显示的标签名。
id：此次输入的特异ID，通常自动产生。
map：接受一个参数(控件在客户端接受的值)的函数，返回一个修改过的值。这个后面有的函数用到了，到下面再看例子吧。
注意：
添加了pre/post那么返回值是不是就添加了相应的字符串，答案是不是。不行你将上例中的size设置为"pre_300_post"是不显示点的，但是设置为"300"和300是可以的。
id参数个人建议在一般作图时就不要设置了。
2.input_checkbox()
model_type <- input_checkbox(label = "Use flexible curve",
map = function(val) if(val) "loess" else "lm")
mtcars %>% ggvis(~wt, ~mpg) %>%
layer_model_predictions(model = model_type)
#函数使用
input_checkbox(value = FALSE, label = "", id = rand_id("checkbox_"),
map = identity)参数解释：
value：初始值，TRUE或者FALSE。
其他参数就不用我多说了吧。
注意：
返回值是
TRUE或者FALSE。注意例子这种写法，直接把input_checkbox这个赋值给model也是可以的。
3.input_checkboxgroup()
# mtcars %>% ggvis(x = ~wt, y = ~mpg) %>%
# layer_points(
# fill := input_checkboxgroup(
# choices = c("Red" = "r", "Green" = "g", "Blue" = "b"),
# selected = 'r',
# label = "Point color components",
# map = function(val) {
# print(val) #我添加了打印出val变量，可以理解传递的变量到底是什么。
# rgb(0.8 * "r" %in% val, 0.8 * "g" %in% val, 0.8 * "b" %in% val)
# }
# )
# )
mtcars %>% ggvis(x = ~wt, y = ~mpg) %>%
layer_points(
fill := input_checkboxgroup(
choices = c("Red" = 1, "Green" = 2, "Blue" = 3),
label = "Point color components",
selected = 1,
map = function(val) {
print(val) #我添加了打印出val变量，可以理解传递的变量到底是什么。
rgb(0.8 * 1 %in% val, 0.8 * 2 %in% val, 0.8 * 3 %in% val)
}
)
)
#函数使用
input_checkboxgroup(choices, selected = NULL, label = "",
id = rand_id("radio_"), map = identity)参数解释：
choices：包含可选值的list，如果元素都是命名的（就像例子中这样），那么显示出来的就是名字，而不是value。
selected：初始选择的值，对于本函数---多选框，为NULL时默认不选。对于后面有单选模式的，NULL时默认选择第一个。
注意：
我在map参数中添加了一条打印语句，可见，传递给map的是字符串向量。自己试一试选择不同值时打印出来的情况。
4.input_numeric()
mtcars %>%
ggvis(~wt, ~mpg,
size := input_numeric(label = "Point size", value = 25)) %>%
layer_points()
#函数使用
input_numeric(value, label = "", id = rand_id("numeric_"), map = identity)参数解释：
value：初始值，可以设置为小数，但是通过上下箭头改变数值时还是会变成整数，这时步长不为1，变为整数后步长为1。
注意：
返回值为长度为1的整数向量。
在灵活性上不如
input_slider(),只能提供一个初始值，然后按照步长为1进行改变，不过允许手动输入。
5.input_text()
fill_text <- input_text(label = "Point color", value = "red")
mtcars %>% ggvis(~wt, ~mpg, fill := fill_text) %>% layer_points()
#函数使用
input_text(value, label = "", id = rand_id("text_"), map = identity)参数解释：
value：初始值。
注意：
返回值为长度为1的字符向量。
注意本例的写法与
input_numeric()例子的写法有何不同，二者都是可以的。
6.input_radiobuttons()
mtcars %>% ggvis(~wt, ~mpg) %>%
layer_model_predictions(model = input_radiobuttons(
choices = c("Linear" = "lm", "LOESS" = "loess"),
selected = "loess",
label = "Model type"))
#函数使用
input_radiobuttons(choices, selected = NULL, label = "",
id = rand_id("radio_"), map = identity)参数解释：
selected：为NULL时，默认选择第一个。
注意：
类似于
input_checkboxgroup(), 不过必须选且只能选择一个值。
7.input_select()
mtcars %>%
ggvis(x = ~wt, y = input_select(names(mtcars), map = as.name)) %>%
layer_points()
#函数使用
input_select(choices, selected = NULL, multiple = FALSE, label = "",
id = rand_id("select_"), map = identity, selectize = FALSE)参数解释：
multiple：是否可以选择多个。
selected：可选多个时，设置为NULL默认不选。不可以多选时，设置为NULL，默认选择第一个。
selectize：是否使用selectize.js。至于这个是啥能产生什么效果，你就多试试吧。
注意：
如果你想选择变量名，你需要利用map参数将输入的输出转换为一个name。就像例子中这样。
本文内容主要来自：
http://ggvis.rstudio.com/ggvi...
http://ggvis.rstudio.com