1. 实现合并排序算法。要排序的整型数Q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。

合并排序是一种分治策略的经典例子，它将待排序数组分成两半，递归地对每半进行排序，然后合并两个有序部分。以下是合并排序的基本步骤：

1. **分割**：将输入数组分为两个相等的部分，如果数组长度不是偶数，则取最接近的整数。

2. **递归**：对这两个子数组分别进行同样的操作，直到每个子数组只有一个元素。

3. **合并**：当子数组长度为1时，它们已经是有序的。然后将两个已排序的子数组合并成一个有序数组。这一步通过比较两个子数组的第一个元素，并选择较小的那个添加到结果数组中，同时移动指向下一个未添加元素的位置。

对于时间复杂度，合并排序总是O(n log n)，不受输入数据的影响，因此对于大量数据，如十万、百万、五千万或一千万个整数，其性能稳定。

为了计算所需时间并制作表格，你可以按照以下步骤操作：

1. 使用Python或其他支持高精度时间测量的语言编写一个函数，用于执行合并排序并测量时间。
2. 对于每个数据量范围，创建相应的随机数列表并多次运行排序，取平均值以减少误差。
3. 记录每次排序的时间，并将其存储在一个字典或类似的数据结构中，键是数据量，值是平均时间。
4. 另外，单独对100个数据进行排序，展示整个过程。

下面是一个简单的Python示例：

import random
import time

def merge_sort(arr):
    # ... (实际的合并排序实现)

# 测试代码
data_sizes = [100000, 1000000, 5000000, 10000000]
time_results = {}

for size in data_sizes:
    arr = [random.randint(0, size) for _ in range(size)]
    start_time = time.time()
    merge_sort(arr)
    end_time = time.time()

    time_taken = end_time - start_time
    time_results[size] = time_taken

# 打印时间结果表
for size, time in time_results.items():
    print(f"排序{size}个元素用了: {time:.6f}秒")

# 单独展示100个数据排序结果
arr_100 = [random.randint(0, 100) for _ in range(100)]
print(f"排序100个数据用了: {merge_sort(arr_100):.6f}秒")

记得在实际测试时，由于计算机性能差异，可能会有所浮动，所以多次实验并取平均值可以得到更准确的结果。