z检验对样本数据的分布假设较为严格，要求数据近似服从正态分布。如果样本数据不满足正态性假设，或者样本量较小（小于30），则使用t检验可能更合适。
除了z检验和t检验，还有其他方法可以比较两组数据的均值，特别是当样本量较大时。以下是一些常见的方法：
1. 置信区间比较：计算两组数据的均值的置信区间，并比较置信区间的重叠程度。如果两个置信区间不重叠，可以认为两组数据的均值存在显著差异。
2. 非参数检验：非参数检验方法不依赖于数据的分布假设，适用于不满足正态性假设的数据。常见的非参数检验方法包括Mann-Whitney U检验和Wilcoxon秩和检验。
3. Bootstrap方法：Bootstrap方法是一种基于重复抽样的统计方法，可以用于估计两组数据的均值差异的置信区间。通过对原始数据进行重复抽样，计算均值差异的分布，并得到置信区间。

z检验适用于大样本（通常大于30）的情况，它是基于正态分布的。如果两组数据的分布都是正态分布，且方差未知但相等，把me使用z检验比较合适。t检验通常适用于样本量较小（小于30）的时候，但是对样本量的显著并不是绝对的。
除此之外，还可以使用方差分析、非参数检验等方法比较两组数据均值的差异。

只是比较2组样本的均值是否相等（不是3组及以上），可以用方差分析吗？并且总体方差未知，但，都是2000个以上的大样本。

只是比较2组样本的均值是否相等（不是3组及以上），可以用方差分析吗？并且总体方差未知，但，都是2000个以上的大样本。