您可以从stdlib使用DelimitedFiles模块：

julia> using DelimitedFiles

julia> s = """
       1,2,3
       4,5,6
       7,8,9"""
"1,2,3\n4,5,6\n7,8,9"

julia> b = IOBuffer(s)
IOBuffer(data=UInt8[...], readable=true, writable=false, seekable=true, append=false, size=17, maxsize=Inf, ptr=1, mark=-1)

julia> readdlm(b, ',', Float64)
3×3 Array{Float64,2}:
 1.0  2.0  3.0
 4.0  5.0  6.0
 7.0  8.0  9.0

字符串
我向你展示的例子阅读从IOBuffer是完全可复制的，但你也可以从文件中读取数据。在readdlm的文档字符串中，你可以找到更多关于可用选项的细节。
注意，你将得到Matrix{Float64}而不是Vector{Float64}，但我知道这是你想要的。如果不是，那么为了将矩阵转换为向量，你可以在阅读数据后调用vec函数。

编辑

下面是如何使用CSV.jl读回Matrix：

julia> df = DataFrame(rand(2,3))
2×3 DataFrame
│ Row │ x1        │ x2       │ x3       │
│     │ Float64   │ Float64  │ Float64  │
├─────┼───────────┼──────────┼──────────┤
│ 1   │ 0.0444818 │ 0.570981 │ 0.608709 │
│ 2   │ 0.47577   │ 0.675344 │ 0.500577 │

julia> CSV.write("test.csv", df)
"test.csv"

julia> CSV.File("test.csv") |> Tables.matrix
2×3 Array{Float64,2}:
 0.0444818  0.570981  0.608709
 0.47577    0.675344  0.500577

型

您可以将DataFrame转换为特定类型的Matrix。如果没有丢失数据，这应该可以工作。如果有丢失数据，只需忽略convert中的类型。
arr = convert(Matrix{Float64}, df)
你可以在结果上调用vec来得到一个向量，如果这是你真正想要的。
根据文件的不同，我会选择readdlm，就像前面的回答中建议的那样。

为了总结Bogumil的答案，你可以用途：

using DelimitedFiles
data = readdlm("data.csv", ',', Float64)

字符串

您可以通过以下命令让CSV.read使用Matrix作为其目的地：

julia> import CSV

julia> s = """
       1,2,3
       4,5,6
       7,8,9""";

julia> CSV.read(IOBuffer(s), CSV.Tables.matrix; header=false)
3×3 Matrix{Int64}:
 1  2  3
 4  5  6
 7  8  9

字符串
请注意，有一个currently-outstanding issue可以直接使用内置的Matrix类型本身作为“接收器”，这将使其更容易理解。