实现合并排序算法。要排序的整型数组元素可以用随机数生成器生成，运行程序，分别记录对十万，一百万，五千万，一千万个数据排序所用的时间，列出表格显示统计出来的时间。并单独显示一个100个数据的排序结果。

实现合并排序算法的步骤如下：

1. **分治策略**：将待排序数组分为两半，直到每个子数组只剩下一个元素，这一步叫做"分"。
2. **合并操作**：将两个已排序的子数组合并成一个有序数组，这是"治"的过程。
3. **递归调用**：对于每一步分割，都要递归地对左右子数组进行同样的操作，直到原始数组完全被处理。

以下是合并排序的一个基本Python实现：

def merge_sort(arr):
    if len(arr) <= 1:
        return arr

    # 分割数组
    mid = len(arr) // 2
    left_half = arr[:mid]
    right_half = arr[mid:]

    # 递归排序
    left_half = merge_sort(left_half)
    right_half = merge_sort(right_half)

    # 合并两个有序数组
    return merge(left_half, right_half)

def merge(left, right):
    merged = []
    i = j = 0

    while i < len(left) and j < len(right):
        if left[i] <= right[j]:
            merged.append(left[i])
            i += 1
        else:
            merged.append(right[j])
            j += 1

    # 添加剩余未比较的部分
    merged.extend(left[i:])
    merged.extend(right[j:])
    return merged

为了测量不同规模数据排序所需时间，你可以使用`timeit`模块：

import random
import timeit

# 生成随机数组
data_sizes = [100000, 1000000, 5000000, 10000000]
arrays = [sorted(random.sample(range(1, n + 1), n)) for n in data_sizes]

# 记录排序时间
times = {size: timeit.timeit('merge_sort(arr)', globals=globals(), number=1) for size, arr in zip(data_sizes, arrays)}

# 打印表格
print("Data Size\t\tSorting Time (seconds)")
for size, time in times.items():
    print(f"{size}\t\t{time:.6f}")

# 对100个数据进行排序并打印结果
arr_100 = sorted(random.sample(range(1, 101), 100))
print("\n100 Data Points:\n", arr_100)

请注意，实际运行这个代码会因为计算机性能、操作系统等因素有所不同，所以时间可能会有所差异。运行该程序时，会输出一个时间表以及100个数据点的排序结果。