你可以用

using DelimitedFiles
m = readdlm("./file.csv", ';', Float64)

(last如果需要Float64，则可以省略指定类型的参数）

m = CSV.read("./file.csv")返回DataFrame。
如果CSV.jl正确读取文件，使得m的所有列都是Float64类型，不包含missing s，那么你可以用Matrix{Float64}(m)将m转换为Float64矩阵，或者用一行来获得矩阵：

m = Matrix{Float64}(CSV.read("./file.csv", header=0, delim=';'))
# or with piping syntax
m = CSV.read("./file.csv", header=0, delim=';') |> Matrix{Float64}

不过，readdlm通常应该足够了，并且是像您这样简单的CSV文件的第一个解决方案。

2022答案

不确定CSV.jl是否有更改，但是，如果我执行CSV.read("file.csv")，它将出错

provide a valid sink argument, like 'using DataFrames; CSV.read(source, DataFrame)'

但是，您可以使用它需要任何Tables.jl兼容类型的事实：

using CSV, Tables
M = CSV.read("file.csv", Tables.matrix, header=0)

虽然@user：1269567给出的readdlm答案简单明了，但它可能会遇到非常大的文本文件（无论如何，将大型数字数据存储为文本可能是一个坏主意，但这是另一个故事）-这就是我遇到这个问题的原因。除了CSV.jl之外，不使用其他包的有效方法如下：

using CSV
m = CSV.read("./file.csv", CSV.Tables.matrix; header=false)

从CSV v0.10.9开始，假设文件中没有头。