现在的数据已经收集，请设置一个程序，自动从程式库里统计结果入库，每隔5分钟自动统计下一个粒度的数据。

为了设置这样的程序，我们可以使用Python编写一个脚本，结合时间管理模块和数据分析库。假设数据是以某种格式存储在CSV文件或者数据库中的，以下是一个基本的流程：

import pandas as pd
import time
import datetime
from sqlalchemy import create_engine

# 定义数据库连接信息
db_config = {
    'drivername': 'sqlite',  # 根据你的数据库类型替换（例如，'mysql+pymysql' 或 'postgresql+psycopg2'）
    'database': 'your_database.db',  # 数据库名
    'username': 'your_username',
    'password': 'your_password'
}

# 初始化数据库引擎
engine = create_engine(f'db_config["drivername"]://{db_config["username"]}:{db_config["password"]}@{db_config["database"]}')

def process_and_store_data():
    # 加载数据（这里假设数据在CSV文件中）
    data_path = 'path_to_your_data.csv'
    df = pd.read_csv(data_path)
    
    # 对数据进行统计（这取决于你的具体需求）
    grouped_data = df.groupby(pd.Grouper(freq='5Min')).sum()  # 按每5分钟分组并求和

    # 将统计结果写入数据库
    grouped_data.to_sql(name='your_table_name', con=engine, if_exists='append', index=False)

    print(f"Data processed and stored at {datetime.datetime.now()}")

# 定义周期性的任务
while True:
    process_and_store_data()
    time.sleep(300)  # 休息5分钟后再次执行

# 开始程序
process_and_store_data()

在这个例子中，你需要将`db_config`中的数据库连接信息替换为实际值，以及根据你的数据格式修改`read_csv`部分。`groupby`和`to_sql`步骤则会按照每5分钟的时间粒度对数据进行统计并存入数据库。